生物医学图像在医疗诊断和疾病治疗中的作用日益显著,细胞图像的研究是医学图像中一个重要的分支。从细胞图像序列中提取细胞的特征信息及运动轨迹,是医学分析中一项重要的基本工作。近年来,尽管相关领域的研究者取得了很多有益的成果,但因信息量大,细胞的形状复杂且易变,细胞运动的随机性以及受到获取技术、图像质量等因素的影响,要准确计量细胞数目及获取其运动轨迹,仍然存在许多理论与技术上的难点。针对以上问题,本论文从分析多细胞存在的不同运动模式着手,充分利用时空信息,提出了若干种具有一定工程应用前景的随机性多细胞运动分析方法,改进了检测与跟踪的准确率。论文的主要研究内容如下:1.针对所研究图像序列中多细胞粘连问题,给出了一种基于阈值的混合细胞检测算法,仿真结果表明,基于该图像序列的查全率(Recall)和准确率(Precision)可达98.32%和97.03%左右。针对密集情形下出现的多细胞重叠问题,给出了一种改进分水岭混合检测算法,仿真结果表明,该方法可以很好地将重叠细胞分割为单个细胞,且几乎不会出现细胞区域标定不正确或者区域分割不完整的现象,基于该图像序列的准确率可达到96%。2.针对多细胞跟踪中存在的目标分裂、碰撞等引起的状态耦合问题,给出了一种扩展多模型粒子滤波多细胞运动分析方法。首先结合阈值处理和孔洞填充技术设计了细胞混合检测方法。其次基于细胞相互作用存在的三种事件(独立、碰撞、分裂),构建细胞运动模型,并应用角速度和面积特征参数对目标状态进行增广。最后通过计算面积和距离特征信息的差异性测量,给出了一种细胞数据关联策略。仿真结果表明了设计方法的有效性。3.针对多细胞数目时变和动力学特性差异等问题,给出了一种基于图像背景提取的蚁群多细胞运动分析方法。利用非参数核密度估计方法产生先验蚁群分布,通过多蚁群重构建立多峰信息素场,利用蚁群快速聚类算法实现细胞身份管理与状态提取。仿真结果表明了设计方法的有效性。4.针对低信噪比图像序列中多细胞近邻问题,给出了一种多任务蚁群近邻细胞运动分析方法。利用近似平均法方法提取细胞的前景图像,结合K均值聚类方法产生初始子蚁群。设计了蚁群的协作与竞争模式,并构建多峰信息素场。通过合并相似子蚁群和去除虚假目标子蚁群进行多细胞状态估计。仿真结果表明,该方法与其他跟踪算法相比具有较高的准确性。5.针对低信噪比图像序列中细胞密度变化问题,给出了一种多模式蚁群变密度细胞运动分析方法。利用当前帧区域平均似然度,并结合前一帧细胞动力学特性产生蚁群初始分布。基于细胞的稀疏与密集事件,设计蚁群的协作模式及交互竞争模式。利用蚁群之间的交互信息设计了蚁群工作模式实时更新策略。仿真结果表明了设计方法的有效性。