自适应盲源分离是近些年发展起来的一种非常有效的盲信号处理技术，融合了信号处理和人工神经网络的技术特点，具有重要的理论和应用价值，在生物医学信号处理、语音处理、图像处理和阵列信号处理等领域具有广泛的应用前景。在过去的几年时间里，有关自适应变步长盲分离算法的研究得到了快速发展，学者们在原有算法的基础上提出了大量的改进算法并取得了较好的效果。　　 本论文对盲源分离的基本理论进行了详细的分析，对盲源分离方法在图像处理中的应用进行了研究，并提出了一些行之有效的改进算法。　　 论文的主要贡献及创新点包括以下几个方面：　　 1)针对日常生活中两幅图像会出现混叠的情况，根据数字化图像灰度值范围有界特性和一般信号盲源分离的方法，研究了一种利用分离比值函数单调特性达到数字图像盲源分离目的的算法。这种算法根据接收端接收到的观察信号，确定观察信号之间比值函数，通过该比值函数的单调性分析，可以找到分离矩阵中的关键值，从而实现图像的盲源分离。该算法无需过多的先验知识，没有统计相关性的约束条件，而且分离速度快，效果明显，鲁棒性很强。　　 2)针对传统固定步长算法的缺点，提出了一种改进的利用不完整自然梯度调整步长变化的自适应盲分离算法。该算法通过计算不完整梯度算法中分离矩阵的分离度，来控制步长因子的变化，从而实现图像分离。计算机仿真实验结果说明，这种算法的性能达到了图像分离各项评价参数的要求，性能优于常规算法，是一种有效自适应变步长盲分离算法。　　 3)不完整梯度变步长算法虽然可以较好实现图像分离，但是算法还未能有效的在收敛速度和稳态误差之间达到较好的平衡，针对这个问题进行了改进，提出了利用分段函数方法控制步长因子变化。算法充分考虑到在迭代过程中分离矩阵中分离程度的变化，并根据这种变化建立分段函数控制步长因子算法，有效的实现了图像的分离。计算机仿真实验结果也说明，这种算法的性能优于其他盲分离算法。　　 4)结合盲分离算法中全局矩阵的概念和衡量全局矩阵的性能参数，研究了一种利用全局矩阵性能的估计值调整步长变化的算法。这种算法更加趋近于实际分离的需要，算法复杂度较低，易于工程实现。　　 本论文对盲源分离的理论和应用进行了深入的研究，所提出的算法及其在数字图像处理中的应用研究具有一定的创新性，特别是对于盲源分离在图像处理中的应用研究，具有一定的参考价值和实际意义。