利用独立成分分析(Independent Component Analysis, ICA)并结合多能X射线图像的丰富信息可以将二维X射线图像中重叠目标分离成像, 但是海量的图像数量, 以及高像素数的要求均会使内存占有量和计算速度面临挑战, 因此本研究将压缩感知(Compressed Sensing, CS)与ICA相结合进行分离成像, 以提高计算速度和分离成像性能。研究过程中, 首先根据被拍摄物体的物质组成确定拍摄多能X射线图像数量, 并选取CS技术中K均值奇异值分解(K-means SingularValue Decomposition,K-SVD)稀疏基将多能X射线图像进行稀疏表示, 然后利用ICA将此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)将独立源进行重构实现分离成像。研究结果表明: 采用ICA&CS技术比仅采用ICA进行目标分离成像的运行时间减少了46.14 s(23.3%)、内存占有率降低了21%、重构图像峰值信噪比(Peak Signal to Noise Ratio, PSNR)提高了2.665 dB、边缘梯度提高了0.001、信息熵提高了0.09。