图像盲源分离是图像处理的重要课题之一,目前已成为该领域的研究热点.图像盲源分离是指,在关于图像源及图像传输方式等先验知识缺乏或知之甚少的前提下,仅由来自传输系统的观测图像来估计未知图像源的过程.　　 基于形态成分分析和稀疏表示的盲源分离方法的主要思想是:利用混合图像中各组成成分的形态差异性,将各组成成分在不同的字典下进行稀疏表示.首先,介绍了图像稀疏表示的基本理论,其中包括图像稀疏表示模型、字典选择算法、稀疏分解算法,以及稀疏表示在多通道形态成分分析中的应用等内容.其次,本文根据图像多种形态结构的特征,建立了多形态的稀疏表示模型.并利用多形态稀疏表示的模型表示多成分的信源信号的方法,得到一种比传统模型更稀疏的表示形式.此外,由于缺乏源图像的先验信息采用较为传统的L1范数刻画不同成分在固定字典下的稀疏度不能有效地处理含多成分的盲源图像.为了解决上述问题,新模型还采用了带结构性的混合模度量稀疏度.最后,本文给出了一种新的迭代算法求解新模型.数值实验结果表明,本文的模型及其算法能够有效地处理含多成分的图像盲源分离问题.