本文主要研究相差显微镜癌细胞图像以及心肌免疫组化图像的处理方法。癌症是人类最主要的死因之一，但真正摧毁一个生命的不仅仅是癌症本身，而在于癌症扩散转移导致的身体机能的衰竭。如果能有效控制体内癌细胞的增殖与扩散，可以有效地降低癌症的致死率。研究癌细胞在不同药物抑制作用下的病理变化，可以辅助开发癌症药物并促进自动化病理研究。心脏是人体最重要的器官之一，也是人体循环系统的动力。研究心肌细胞免疫组化图像有助于定量定性地评价心脏机能，及早确定病症，及时治疗。　　鉴于人工检测分析易出错且繁琐，需要引入自动或半自动的方法分析处理医学图像。当前，很多处理医学图像的方法已被提出，但仍旧不能满足应用要求。本文提出了目标层级结构信息概念。此概念指出一个目标是由多个具有不同重要性的层级结构信息构成的，且对于某些特殊目标可仅由最重要的层级结构信息定义。基于此概念，本文提出了一系列不同的算法流程与框架，用于解决细胞分割、检测以及跟踪等问题。本文的主要工作与成果如下:　　1.基于对现有经典的目标分割检测算法的深入分析，针对相差显微镜癌细胞图像，提出了融合局部一致性区域块的层级信息融合算法。首先，通过细胞图像本身的灰度或者梯度信息，确定细胞最大覆盖区域。此区域仅包含细胞。接着，通过高斯模糊操作与形态学操作，形成多个局部灰度一致性区域。然后，将最大类间方差算法不断地应用于不同的局部范围，获得不同的层级信息。最后，通过层级信息融合策略，构建细胞分割检测结果。实验结果表明，相较于经典的目标分割检测算法，此算法在一定程度上能更好地分割检测癌细胞。　　2.基于对相差显微镜数学成像模型的分析，提出了具体的目标层级结构信息概念，并实现了细胞主要信息帧间关联算法。首先，基于目标层级结构信息概念，定义了图像的主要信息。接着，基于当前帧的目标主要信息，通过本地覆盖检测与光流覆盖检测，将主要信息进行帧间关联。帧间关联时，会出现细胞主要信息粘连情况。针对这种情况，提出了一种新的区域分离算法，称为目标对分离与分组算法。帧间关联时，也会出现细胞主要信息衰减情况。针对不同衰减情况，提出了针对性的修复策略。最后，基于检测到的目标主要信息，近似估计目标的矩形与凸集区域。实验结果表明，此算法能够有效地关联帧间信息，同时能够有效地检测和分割目标。　　3.鉴于现有目标检测与识别算法只能获得目标大致位置以及类别信息而无法提炼出更多目标相互之间关系等信息，基于目标层级结构信息概念，定义了图像的中间信息与次要信息，并提出了一系列目标检测分析方法。基于已检测出的目标主要信息，提出了合理添加中间信息的方法。基于次要信息，提出了检测独立目标与粘连目标的方法。通过近似估计目标的椭圆区域，以及分析椭圆长轴与短轴的关系，可确定粘连细胞之间具体的粘连方式。此外，还包括霍夫圆检测与筛选机制、新增目标与遗漏目标检测以及次要信息分离与分组方法等等。实验结果表明，这些目标检测分析方法可以提供现有检测算法所不能获得的其他有用信息。　　4.基于对图论与先验标记信息相关算法的分析，针对心肌细胞免疫组化图像，提出了一种基于局部结构标记信息的交互式目标检测与分割算法。基于目标层级结构信息概念，此算法的整体流程首先定义了针对不同染色信息的层级结构信息。此算法再通过层级结构信息之间的关系，确定独立细胞核区域与粘连细胞核区域。接着，利用局部结构标记信息以及目标对分离与分组算法，分离粘连细胞核区域。细胞核的类别信息是由不同染色信息的覆盖检测所确定的。实验结果表明，此半自动算法流程可准确地获得心肌细胞核个数与类别信息。