独立分量分析(Independent Compont Analysis,简称ICA)是近二十年来针对盲信号分离问题发展起来的一种信号处理理论。它是一种统计方法,其目的是从由传感器收集到的混合信号中分离出相互独立的源信号,使得这些分离出来的信号之间尽可能独立。该方法在语音识别、通信和医学信号处理等信号处理方面有着广泛的应用,目前已经成为人工神经网络等研究领域中的一个研究热点。本文将ICA理论用来解决扫描图像的去噪问题。在扫描文档时,由于纸张质量的原因,导致正面的文字含有背面文字的信息,从而影响正常的阅读。在扫描图像的去噪问题中,背面文字的信息就是要处理的噪声。本文分别将含有噪声的正面和背面扫描的图像作为两个混合信号来进行处理,将不同的ICA算法—Infomax、FastICA和基于广义特征值的三种算法分别对两个混合信号进行分离,从而得到不含有噪声的扫描图像。对不同的ICA算法,初始权值和非线性函数等参数对实验结果都有不同的影响,本文通过对同一种算法分别改变初始权值、非线性函数等不同参数进行实验,并从分离效果、处理时间以及算法稳定性等方面对实验结果进行了比较和分析,从而得出针对本文的实际问题,各个算法的优缺点。