针对加性隐写模型，提出一种基于CSR-ICA的隐写信息盲提取算法。算法仅需一幅隐写图像，在满足ICA模型线性约束条件下得到载体信号的估计信号，通过Contourlet稀疏性表示（CSR）对模型输入信号进行前置处理，优化选取归一化峭度性较大的信号作为模型输入信号，将归一化峭度作为分离算法学习的目标函数，避免异常值给分离算法带来的误差。算法具有较好的综合性能,并且克服了Chandramouli算法的局限性，提取正确率平均为90%。仿真实验结果给出了算法的有效性验证。