随着生物识别技术的发展与应用,指纹识别技术因其唯一性和安全可靠性在现实生活中以及安全防护等领域中不断地被普及使用,其在案件侦破、刑事侦查领域扮演着极其重要的角色。针对犯罪现场遗留的重叠指纹痕迹的分离问题,研究了基于独立分量分析法的重叠指纹高质量提取算法。独立分量分析是解决盲源分离的主要方法之一,其可在源信号以及源信号的混合方式均未知的情况下,仅利用信源信号的非高斯性以及其相互独立的基本假设条件,就能求出混合信号的分离矩阵,通过分离矩阵将混合信号中的独立分量分离出来,从而实现盲源分离。本文基于独立分量分析法,采用了基于负熵最大化的固定点算法处理重叠指纹,实现重叠指纹的分离,并引入改进的具有五阶收敛的算术平均牛顿法对固定点算法（Fast ICA）的迭代公式进行改进,实验结果表明改进后的算法相对于原Fast ICA算法的迭代次数减少,收敛速度明显加快,效率大幅提高,同时还能保证分离出来的单个指纹与源指纹的契合度。考虑到在实际情况中,重叠指纹图像可能存在大量的高斯与椒盐噪声,本文比较了几种常用的去噪算法的去噪性能,最终确定采用自适应分数阶Alexander函数（A-FAP）图像去噪算法对含噪的重叠指纹图像进行去噪,再将该算法与改进的Fast ICA算法结合实现含噪重叠指纹图像的分离。实验结果表明先对重叠指纹图像进行去噪处理再使用改进的Fast ICA算法分离重叠指纹,在保留图像纹理细节和边缘信息上更具有优势,分离效果更好。