X射线图像在数字化或传输过程中,总会受设备和环境因素的影响而产生噪声,消除噪声一直是X射线成像领域的重要研究课题。盲源分离(BSS)作为优秀的信号处理方法,通过分析观测数据的相关性,在混合通道参数未知的条件下,找出隐藏的独立信号成分,完成源信号的盲分离。本文主要针对X射线图像降噪问题,分别利用盲源分离(BSS)中的高阶的非线性主成分分析(NLPCA)和二阶的调整权值的二阶盲辨识(WASOBI)两种统计方法对X射线图像序列进行信号和噪声的盲分离,主要研究工作如下:(1)介绍了盲源分离(BSS)的基本概念、原理,并分析盲源分离(BSS)用于图像降噪的可行性;研究了基于代数的盲源分离(BSS),通过分析观测数据中隐藏的数据结构信息来确定算法的优化函数和初值,实现盲分离;介绍了Anscombe变换的原理和推广形式,实现了非高斯噪声类型的转换。(2)对多张含噪声的X射线图像,采用基于高阶统计量的非线性主成分分析NLPCA进行降噪的方法。NLPCA是在原有主成分分析(PCA)算法基础上,以隐含方式引入高阶累积量,并对目标函数使用非线性函数进行优化。该降噪方法采样一序列X射线图像,并通过Anscombe变换将图像中泊松噪声转化为高斯噪声;然后将每张含噪声图像视为噪声分量和信号分量的组合,进而采用NLPCA将信号分量和噪声分量分离达到降噪目的;最后通过Anscombe逆变换获取最终降噪图像。实验结果表明:该方法能有效去除X射线图像噪声,降噪效果明显优于传统降噪算法。(3)对于观测信号具有时序结构的盲源分离(BSS)问题,仅使用二阶统计量就足以估计出分离过程中混合矩阵和源信号,因此采用基于二阶统计量的调整权值的二阶盲辨识(WASOBI)算法,代替上述(2)研究过程中的NLPCA。WASOBI算法设置可调整的权值矩阵使混合信号的均方误差最小,因此估计出的源信号更加接近实际信号。实验结果表明:WASOBI在分离降噪过程中,能准确地调整适合的权值参数,提高算法分离的准确性,且运行时间短,优化了基于盲源分离(BSS)从X射线图像序列中分离图像信号的过程。