独立分量分析算法(ICA)作为一种有效的盲信号处理新方法具有重要的理论和应用价值,目前独立分量分析算法在图像处理方面的应用大致有:图像特征提取、图像去噪、人脸识别和检测、图像分离、医学图像处理甚至遥感图像处理等很多方面。红外图像被广泛应用于许多领域。然而,由于红外探测器的固有特性所产生的噪声污染、边缘模糊等现象对红外图像造成了严重的影响。为了降低这类现象对红外图像的影响、改善图像质量,很多的研究人员在这个方面做了大量的工作,取得了很多的成果。本论文主要研究了ICA算法的原理,简要的阐述了ICA的发展、应用和现状,详细地描述了ICA的原理与实现方法,重点地论述ICA算法在图像处理上的应用,将ICA算法与小波变换、分数阶微分结合应用到红外图像的消噪、增强、边缘提取上。具体工作:利用多分辨率子带分解的ICA算法理论,先运用小波对图像分解,然后对所得子图像分别进行消噪,最后通过小波重构获得处理后的图像;利用分数阶微分在信号处理上的基本理论,从数字图像分数阶微掩模及其运算规则出发对红外图像进行增强,再运用ICA算法,对增强后的图像进行边缘提取。试验结果表明,ICA算法在红外图像消噪上效果明显,即能达到消噪的目的,又能较好的保持红外图像原有的特征,有利于红外图像的进一步处理。而分数阶微分在增强红外图像灰度变化不大的平滑区域中的边缘特征效果明显,再使用ICA算法来提取红外图像边缘,可以获得较其他算法更为完整的图像边缘信息。