细胞显微图像处理与分析在生命科学领域占有非常重要的地位。随着显微镜技术的发展,多种不同用途的显微平台被逐渐开发出来,由此产生了大量的高通量、高信息量生物微观数据。这些数据的分析工作给计算机科学领域与生命科学领域的研究人员带来极大的挑战。细胞检测与计数、神经元细胞解剖结构的三维重建都是显微图像分析领域的研究热点,人们已经提出了多种方法来辅助完成此类工作,然而这些方法在检测精度、种类和效率等方面仍有很大不足。本文对显微图像处理领域中细胞检测计数与三维重建方法进行了研究,开展了暗视野高密度细胞、明亮视野昆虫细胞的检测与计数以及神经元细胞三维重建的探索性研究工作。论文主要内容如下:针对暗视野高密度细胞提出一种基于滑动带滤波器的细胞计数方法,并应用在视网膜外膜层的细胞检测计数上面。该方法是基于传统的滑动带滤波,通过对细胞原始图像增强而获得细胞中心点的方式来检测需要计数的细胞。实验评估结果表明提出的方法准确性高,与人工计数的结果接近,明显优于目前高密度细胞计数的方法,同时也适合暗视野下密度较低的细胞。针对明亮视野中的昆虫细胞,提出一种新型细胞检测计数方法,用来解决杆状病毒表达体系的宿主细胞大规模培养过程中细胞计数问题。首先比较明暗视野下细胞图像灰度梯度向量的分布特点,基于滑动带滤波,我们调整收敛指数的计算方式,使其适应明亮视野下细胞结构,实现增强细胞中心来对细胞进行检测计数。性能分析显示,我们提出的方法在错误率和精度上面与人工计数接近,同时对细胞生长曲线的绘制也能为生物实验工作人员提供准确的细胞生长轨迹,证明了该方法可以应用于昆虫细胞培养工作中,对提高整个过程的操作效率带来的极大的帮助。神经元细胞解剖结构三维重建在神经科学领域中占有非常重要的地位。本部分研究中,我们将二维收敛指数与滑动带滤波扩展至三维空间,提出基于三维空间收敛指数的空间域滑动体滤波来获取神经元细胞体数据的关键点,随后利用脊标准相似性法则来筛选位于神经元细胞体中的种子点用于后续重建。结果显示,我们提出的方法筛选到的种子点在其有效性上面明显优于传统的方法。在重建神经元解剖结构过程中,引入基于滑动体滤波的外力场来改进传统的活动曲线模型,从而实现对神经元细胞骨架的重建。随后根据神经细胞体横截面的边缘特点,提出基于二维滑动带的方法来估计神经元细胞横截面边界轮廓,使得最终重建的骨架在横截面半径边缘估计上面更加接近真实的细胞;最后基于半径轮廓线重建了神经元细胞的表面。在整个神经元细胞重建部分,我们分别在种子点筛选、神经细胞骨架重建与细胞体横截面半径估计三部分做改进,最后应用轮廓线重建的方法将整体神经元细胞解剖结构呈现出来,通过比较后的结果证明我们提出的重建策略在筛选高效种子点、对抗图像信号衰减以及神经元细胞半径边缘估计上面明显优于传统的活动曲线模型策略。综上,本文分别对显微图像分析领域中的二维细胞计数、三维的神经细胞解剖结构重建方法进行探索性研究,实验与实际应用的结果证明了提出的方法可以应用于高密度细胞、明亮视野细胞与神经元细胞的图像分析处理中来获取研究所需要的细胞数量及解剖结构信息。