独立分量分析(Independent Component Analysis,ICA)是近年发展起来的一种非常有效的盲信号处理技术,具有重要的理论和应用价值,在无线通信、语音处理、图像处理和生物医学等领域具有广泛而诱人的应用前景,正发挥着越来越重要的作用。本论文在正电子发射计算机断层显像(Positron Emission Computed Tomo-graphy,PET)图像的去噪处理中引入一种新的特征提取方法——独立分量分析,主要有以下几个方面的工作:首先,概括论述医学影像学的发展历史、影像设备——PET的工作原理、成像特点以及相关医学图像处理的研究现状;其次,阐述ICA的基本原理和约束条件,以及ICA的发展简史和研究现状并详细介绍ICA算法的实现过程;再次,采用PCA算法对PET图像实验数据做预处理,然后用基于负熵的FastICA算法对预处理后的图像数据进行特征提取,再用稀疏编码收缩方法对提取的PET图像的特征向量进行编码去噪,最后重构PET图像;最后,在PET图像的去噪处理中,将本文所述方法的处理结果与中值滤波和小波滤波的处理结果进行对比分析,实验结果表明,相对于医学图像处理中常用的几种去噪算法,本文所采用的去噪算法更适合于PET图像的处理,而且效果显著。