细胞的抗病毒特性是病理学领域的一个重要研究方向。目前对于细胞抗病毒特性的研究均采用统计的方法，即基于对细胞种群的观察与分析得出结论。统计的方法虽然能较好地反映某类细胞的抗病毒特性，但是它却忽略了同一种类不同个体细胞间的差异，因而对单个细胞的抗病毒特性进行研究更为重要。本文围绕个体细胞抗病毒特性研究中的两个代表性问题--细胞抗病毒特性与细胞生命周期的相关性，以及同代子细胞抗病毒特性的异同，对细胞追踪方法、细胞分裂的识别与定位方法及细胞抗病毒特性综合实验进行了深入的研究。　　 准确地追踪目标细胞是细胞特性研究的重要基础。针对现有细胞追踪算法存在易丢失快速运动细胞和无法给出细胞形状信息等问题，本文在传统Camshift算法基础上进行改进，提出并实现了WPR－Camshift细胞追踪算法。该算法通过获取加权目标概率分布图、预测运动细胞位置和使用活动轮廓法重定位细胞，在准确追踪细胞的同时可获取细胞形状及边界信息，为开展更深入的研究提供了有效手段。同时算法在追踪过程中对细胞进行分裂临界状态的判断，若细胞发生分裂则进行子细胞的分割和追踪，从而使得算法可处理细胞分裂的情况。使用本文算法追踪三组实验图像中的共135个细胞，结果表明算法可以有效地完成变形、迁移和分裂细胞的追踪，同时具有较高的准确性和稳定性。　　 细胞增殖是一切生物生长、发育和繁殖的基础，它保证了前后代细胞中遗传物质的连续性和稳定性，因此体外细胞增殖行为的研究对众多生物应用领域具有非常重要的意义。研究细胞增殖行为的关键是准确地识别并定位细胞分裂事件，本文为此提出了一种新的、与追踪无关的研究方法。该方法通过候选细胞检测、候选序列提取、基于细胞形态变化的细胞分裂事件时空定位三步来完成细胞分裂的识别与定位。实验结果表明，在细胞间存在一定粘连的情况下，算法仍可获得较高的分裂事件定位准确率。　　 最后，本文针对前文所述的细胞抗病毒特性研究中的两个代表性问题进行了综合实验研究，由此验证文中方法的有效性。提出了一种基于图像处理的细胞抗病毒特性评价标准，并结合此标准，分别设计并实现了细胞抗病毒特性与细胞生命周期的相关性实验，以及同代子细胞抗病毒特性的异同实验。通过对实验结果的分析得出相应结论，从而为临床用药及新药物研制提供有意义的参考。