盲分离是指在源信号系统和外部环境无法精确获知的情况下,将源信号从混迭信号(观测信号)中分离出来的过程,自20世纪八十年代提出后,逐渐成为现代信号处理领域的重要组成部分。盲分离研究中的独立分量分析技术近年来受到关注,是信号处理技术的一个发展方向,广泛应用于图像信号处理、地震信号处理、语音信号处理、无线通讯、特征提取以及噪声消除等方面,该方向的研究具有重要的理论意义和使用价值。独立分量分析方法通过计算数据的高阶统计特性,从被观测信号估计出被未知因素混合的相互统计独立的源信号。文中介绍了独立分量分析的起源和国内外研究现状,重点研究了独立分量分析的基本理论模型、目标函数的选取及优化问题,给出图像盲分离数学模型,及非高斯最大化、互信息最小化、极大似然估计等目标函数的数学描述。对于数值优化方法稳定性差、易陷入局部最优解,图像分离效果不好的问题,提出一种改进型的粒子群优化算法——QPSO算法,研究了δ势阱场模型、学习模式及算法收敛性,设计了QPSO算法流程和参数；然后,引入QPSO算法到图像盲分离,代替原有独立分量分析(ICA)中的梯度算法,对非高斯最大化目标函数进行优化。通过大量的仿真分析,表明QPSO-ICA算法具有分离速度快、效果好的优点。最后,为进一步提高QPSO-ICA算法的性能,提出了两种改进的算法：CQPSO和AQPSO,其中CQPSO算法牺牲了时间提高了精度,而AQPSO算法同时兼顾时间和精度,将两种改进算法应用到图像盲分离中进行仿真分析,实验结果表明改进算法优于QPSO-ICA算法。