数字图像处理和计算机视觉是近年来发展十分迅速的研究方向,目前正广泛地应用于军用和民用等各个领域,是智能机器获取外部信息和理解世界的重要途径。运动检测与目标跟踪是计算机视觉中两个最重要的应用,也是本文的研究内容。在制药过程中,传统的细胞运动研究方法在技术日益革新的今天己不再适用,不但需要大量繁琐的人为操作,而且由于使用染色等化学操作,影响细胞的运动方式,给药剂的效果带来一定的误差,所以需要一种客观且方便的方法。应用计算机图像视觉技术来研究细胞运动无疑是很好的选择,其客观准确,容易系统化和与设备的集成化,所以逐渐为细胞运动研究领域的科研人员所关注。本文就是基于这样的背景提出的,通过计算机视觉理论对细胞运动的检测和跟踪做出了一定的探索,从而为细胞和生物研究提供新的技术支持。文章首先分析了细胞图像的特点,研究了经典的运动目标检测与跟踪算法,并应用在细胞检测与跟踪中。首先,在运动检测方面,根据细胞图像的特点,利用灰度形态学的理论建立背景,然后通过背景差分法检测运动目标。对于粘连的细胞,提出了基于上下文的细胞分离方法并得到有效解决。其次,在细胞跟踪方面,笔者研究了相关的目标跟踪算法,并根据细胞运动特性,采用经典的均值漂移算法(Meanshift)对惰性细胞进行跟踪。再次,对于分裂细胞的跟踪,本文根据细胞分裂时的特点,采用Meanshift算法跟踪到其中的一个子细胞,然后根据细胞分裂时的特点、分裂后的子细胞的距离和面积等特点来进行跟踪。最后,对于细胞在运动过程中出现的一些特异现象,比如如何对跳变的细胞进行跟踪等,本文研究了相关的预测模型,并提出了使用灰色预测模型预测细胞在下一帧的位置,同时给出相应的理论分析过程,然后进行细胞跟踪。为了验证该模型的有效性,还提出采用动态局部预测算法来预测细胞的位置,然后与灰色预测模型预测的结果进行对比。结果表明,灰色预测模型预测的细胞位置较之于动态局部预测算法预测的位置要准确。