数字化荧光成像技术和分子级生物着色技术的不断发展,极大地推动了研究者对亚细胞结构的直接观察和相关研究。研究人员通过绿色荧光蛋白质来标记亚细胞分子结构,实现了活细胞的动态分子生物学研究。然而,在亚细胞结构的数字化显微镜技术迅速发展的同时,研究亚细胞结构所产生的数字化图像数据也变得非常庞大。因此,自动分析和处理这些图像数据,并对亚细胞结构的运动进行定量分析十分必要。针对亚细胞结构的运动定量分析问题,本文基于共聚焦显微镜的亚细胞结构图像序列,研究细胞内被绿色荧光蛋白质所标记的亚细胞结构的检测和跟踪算法。主要研究内容如下:(1)本文研究了常用的图像去噪与分割方法,分析和总结了现有方法的优缺点,针对亚细胞结构图像分析和目标跟踪的特点,提出了一种基于标记图像模型的亚细胞结构检测方法。(2)完成了亚细胞结构的多目标跟踪算法建模。利用最小包围盒(Minimun Bounding Box,MBB)描述单个亚细胞结构,并基于序贯蒙特卡洛算法(Sequential Monte Carlo,SMC)形成联合状态对多个亚细胞结构进行表示,最后设计了包含五种跳转的可逆跳马尔可夫链蒙特卡洛(Reversible Jump Markov chain Monte Carlo,RJMCMC)算法,对多个亚细胞结构的联合状态空间模型进行采样,实现了高效的多个亚细胞结构的跟踪算法。(3)完成了多个亚细胞结构之间相互作用的建模。通过引入“辅助高度变量”和基于RJMCMC采样的“高度互换跳转”,实现了对亚细胞结构相互遮挡的建模。(4)本文提出标记残留图像算法,完成了亚细胞结构在图像场景中任意时间和任意位置出现和消失现象的算法建模。通过比较前后两帧亚细胞结构的二值图像,检测可能新出现的亚细胞结构,利用基于RJMCMC采样的“出现跳转”引入新出现的亚细胞结构。通过RJMCMC采样的“消失跳转”,删除消失的亚细胞结构。从而实现了对数目变化的多个亚细胞结构的跟踪。(5)为验证本文所提出的亚细胞结构检测和跟踪算法的性能,本文综合运用JSP、Java Bean和Servlet等软件开发技术,设计并实现了亚细胞结构检测与多目标跟踪算法的验证系统。该系统具有可扩展性和交互性强的特点,为用户提供了灵活的参数设置功能,可进一步推广到相关分子生物学图像分析的应用中。大量的实验结果表明,本文所提出的亚细胞结构检测和跟踪方法,能成功跟踪多个亚细胞结构在图像序列中移动、消失、出现、重叠、分离等多种类型的运动方式