植物顶端分生组织在植物中非常重要,植物学家通过共聚焦激光扫描显微镜来采集其细胞数据并存储为图像栈时间序列。开发自动追踪植物细胞算法对获取植物细胞动态生长过程极其重要。由于植物细胞拥有相似的形状和灰度分布,且具有空间上紧密相连的特殊结构,在成像过程中又存在严重的噪声,图像还可能被错位、旋转或放缩,这都给同时追踪所有细胞带来了巨大挑战。本文针对细胞图像存在的问题,围绕如何提高细胞追踪准确率做出了研究,进行了以下三个方面的工作:(1)针对细胞图像在采集过程中带入的噪声问题,本文提出利用多尺度变换和稀疏表示的图像融合技术将多张配准后的细胞图像融合成单张图像。算法将图像从多个尺度变换得到高低频子带,然后对高低频子带分别进行融合,最后将高低频子带的融合结果进行重构得到融合结果。通过对3组细胞图像数据集进行实验,结果证明了图像融合有利于改善图像质量,提高最终的细胞追踪准确率。(2)针对细胞图像分割,本文先通过混合滤波器对细胞图像进行滤波去噪,之后利用分水岭算法对细胞图像进行分割。实验证明相比于其他分割算法,分水岭算法能够有效的分割出细胞的边界,且得到的细胞边界封闭性更好。(3)本文提出了基于深度特征的条件随机场模型对细胞进行追踪。本文在孪生网络的基础上建立了9层的卷积神经网络,利用大量的细胞图像对网络进行训练。之后提取网络最后一层全连接层的输出作为细胞的深度特征,将待匹配细胞对的深度特征距离作为条件随机场模型的一元势函数。将细胞图像存在平移、旋转、放缩时不变的局部特征距离作为条件随机场模型的二元势函数。最后,通过对3组配准图像序列及3组未配准图像序列进行实验,实验结果表明不论是对配准图像序列还是未配准图像序列,本文提出的算法都能实现对植物细胞的并行稳定追踪。