探索了解大脑的工作机理是当今国际科技领域中一个巨大挑战,大脑中的神经元及其所组成的神经元网络结构不仅决定了生物体的认知、情感、记忆等高级功能还为脑部疾病的研究提供重要的依据。近几十年来,各种成像技术的快速发展,为脑科学的研究提供了可靠的工具。特别是快速、高分辨光学显微成像技术的不断发展改进,使得包含复杂神经元结构信息的数据集以海量方式不断增长,这为脑科学领域对神经元网络结构和功能的研究提供了有力的保障。特别是基于结构光显微镜连续断层成像系统的出现使得大范围、高分辨的全脑数据集的获取速度再次提升。但是由于成像技术本身的局限性,再加上进行长时间、大范围的系统性成像又会带来多种伪影从而使图像质量下降,为此亟需对包含神经元形态信息的海量数据集进行快速预处理,提升图像质量。本文针对基于结构光显微镜连续断层成像系统所获取的小鼠全脑神经元数据集和包含细胞构筑信息的数据集中存在的多种图像退化问题,提出了一套全自动预处理解决方案,实现了对包含神经元、细胞等结构复杂数据集的校正。本文所提出的预处理方案由以下四个部分组成:(1)使用频域陷波器和最大互相关系数法实现图像条纹伪影去除和Section的拼接重建;(2)基于形态学的方法实现空洞识别和灰度校正,并通过均值曲线平滑法和参考值法分别实现Section内和Section间的亮度不均匀校正;(3)建立了Section轴向方位校正和通道间体素对齐的方法。(4)基于MATALB并行工具箱设计Section级细粒度的并行方案,实现快速预处理。采用本文的预处理方案实现对荧光标记和PI染色的小鼠高分辨全脑数据集的快速预处理。预处理后的数据集伪影得以消除,整体亮度均匀,方位统一,图像质量明显提升。预处理后的图像能够清晰展示神经突起结构、神经网络拓扑结构和细胞高级图像分析处理的进行。形态等信息。这有助于后期神经追踪、胞体分割、细胞分类和细胞密度定量分析等