X射线医学成像可以被用于观察到患者体内病变组织,因此它对医学诊断有重要参考价值。针对传统医学X射线图像噪声强、层次感差和器官组织重叠的问题,本文提出利用独立成分分析(Independent Component Analysis,ICA)从多能X射线图像中进行降噪和重叠目标分离成像研究。压缩感知(Compressed Sensing,CS)基于信号的稀疏理论,利用随机观测矩阵以远低于Nyquist采样频率的抽样速率处理信号,可以大大缩短采样时间、减少计算量。压缩感知的这个突出的优点可以被用来提高ICA进行分离成像的性能和速度。本文研究一种新型的X射线成像方法,利用独立成分分析从多能X射线医学图像中将重叠目标分离成像,并结合压缩感知以提高算法运行速度和分离成像质量。具体研究方法为:根据被拍摄物体的物质组成,拍摄至少三幅多能X射线图像组成图像序列;应用CS选取稀疏基将多能X射线医学图像进行稀疏表示;然后利用ICA将多能X射线图像的稀疏表示进行盲源分离得到独立源;最后采用正交匹配追踪算法(Orthogonal Matching Pursuit,OMP)将独立源重构达到分离成像。研究结果表明:使用CS结合ICA与仅使用ICA进行分离成像相比较,前者比后者在算法运行时间减少46.14s(23.3%)、内存占有率降低到75%、重构图像峰值信噪比(Peak Signal to Noise Ratio,PSNR)提高2.665dB、边缘梯度提高0.001、信息熵提高0.09。利用独立成分分析可以从多能X射线图像中将重叠目标分离成像,结合压缩感知技术会使分离成像的速度和性能有较高提升。