细胞神经网络自提出以来,因它处理数据的高效特性,应用得到不断地推广,目前在图像和信号处理、模式识别、人工智能、生物视觉、高级脑功能、偏微分方程求解和超混沌同步等方面得到广泛发展;在移动目标识别这一图像处理领域得到广泛研究和应用的原因在于其并行、高速的特点和适合于图像处理的独特网络结构。目前,国外己有的CNN(Cellular Neural Network)芯片的整体运算速度已经达到了T级(1012),这对于提高视频处理的速度和实时性是不言而喻的。因此,有必要研究细胞神经网络在视频序列图像中目标分割和追踪的应用及其相关算法。本文对常用的视频序列图像分割算法进行了比较和研究,采用并改进图像差分法提取移动目标。这种方法原理相对比较简单,易于实现,能够很好的设计细胞神经网络模板。首先利用相邻两帧源图像的差分图,能快速检测出目标的运动范围,通过连续三帧序列图像差分相与运算,检测出中间帧运动目标的形状轮廓。这种方法速度快,而且目标物体形状轮廓精确,有利于进一步的处理工作。移动目标的识别是本文的一个难点和重点,目前国外的相关研究中,细胞神经网络大多用在图像的初级处理上,识别过程用其它方法实现,如基于DSP算法。本文通过研究传统的Hausdorff距离以及目前国外很多针对移动目标的跟踪算法,设计出了基于非线性Hausdorff距离的模板匹配算法,并根据激发式自动波原理设计出具体的细胞神经网络应用方法,用于实现目标的匹配。该方法计算简单,在视频序列移动目标识别上可以取得很好的效果。从实验的结果看,本文提出的算法采用更简洁的模板设计实现了视频图像运动目标的分割,能够准确地实现目标的匹配。但是本文算法适用于背景静止的情形,对于背景移动情形下如何提取目标并实现物体配准,需要在将来的工作中加以改进。