独立成分分析(ICA)最近在磁共振(MR)图像分析的应用中受到了很大的关注。然而,与它在功能磁共振成像(fMRI)中的应用不同,功能磁共振图像中的数据样本数量大于要分离的信号源数量,在MR图像分析中遇到的一个难题是,MR图像的数量通常小于要盲目分离的信号源数量。因此,至少有两种或两种以上的脑组织物质被强制形成一个独立的成分(IC),在这个成分中,这些脑组织物质没有一种可以与另一种区分开来。此外,由于ICA通常由随机初始条件初始化,因此最终生成的IC是不同的。为了解决这个问题,本文提出了一种将过完备ICA与基于空间域的分类相结合的方法,以在每个ICA混合IC中实现更好的分类。为了证明所提出的过完备ICA,进行了OC-ICA实验以进行性能分析和评估。结果表明,只要训练样本的选择得当,OC-ICA的分类实现是非常有效的。