随着显微镜成像技术的蓬勃发展，通过荧光标记某一个生物大分子，研究人员能够获得该生物大分子动态变化过程的图像序列，然而如何处理好这些长时间的动态图像序列是当今的一个难点和热点。研究人员经常手动分析荧光图像，这个过程既耗时又耗力，而且人工分析还会产生主观偏见。也就是说，分析结果在很大程度上取决于个人的技能、判断和偏好。因此本论文主要对生物图像处理算法进行了详细研究，尝试用它们来自动化处理这些复杂的生物图像数据，以及用它们定量描述生物过程，同时结合生物学研究来得到一些新的发现。　　本论文的第一部分主要研究了活细胞中运动囊泡的识别和追踪算法。在囊泡识别方面，我们尝试将自适应阈值算法、局部最大值算法、小波变换算法、分水岭算法、压缩感知算法和机器学习算法等应用到活细胞的囊泡识别中，通过实际对比分析，我们发现小波变换算法识别到的囊泡数目最多，小波变换加上分水岭算法以后，识别到的正确囊泡数目进一步增加。同时本论文还提出了一种“self-checking”算法用来校正其他算法的检测错误，以进一步提高检测的正确率。此算法的主要思想是构建一个由多核函数叠加构成的模型，然后用这个模型去拟合无法分辨时刻的数据，通过拟合后的模型与真实数据的残差及拟合得到的核函数的参数来确定该时刻囊泡的数目及各囊泡的中心位置。在囊泡追踪算法方面，我们详细研究了多假设追踪算法、卡尔曼滤波算法以及交互多模型算法，并提出了一个优化的囊泡轨迹追踪流程图。通过优化的囊泡识别和追踪算法，我们对葡萄糖刺激前后小鼠β细胞囊泡运动轨迹进行了分析。通过分析发现，葡萄糖刺激后，囊泡的轨迹数量将会增加，囊泡的平均锚定时间会减少，这是由于胰岛细胞需要借助囊泡的转运和分泌来调控血糖平衡。同时我们对加入刺激后，WT细胞和KO细胞中囊泡的锚定时间进行分析，发现Spire1KO细胞中囊泡的平均锚定时间比WT细胞中的减少一半，这表示Spire1可能参与了囊泡锚定，并在稳定囊泡锚定中发挥了作用。总的来说，通过囊泡识别追踪算法，我们在亚细胞水平定量分析了活细胞中囊泡的活动。　　本论文的第二部分主要研究了单分子荧光能量共振转移技术（smFRET）在生物学中的应用。在本部分中，我们主要分析了小波变换算法和滚球算法在单分子荧光图像中去除背景噪声及提取单分子信号的性能，并且提出了自动处理单分子FRET的算法流程图。同时我们计算了15bp DNA的FRET效率的统计直方图，通过高斯拟合得到15bp DNA的FRET效率约为0.634，对应的距离为5.47nm。该计算距离与实际距离有0.37nm的偏差，可能是由于标记染料的取向所引起的。同时我们还计算了Syntaxin1的FRET效率的统计直方图，通过高斯拟合发现在静息状态下Syntaxin1有两个不同的状态，其中一个是距离较大的“开”状态，另一个是距离较小的“闭”状态。　　本论文的第三部分主要研究自动对焦算法评估线虫脂滴图像。在本部分中，我们系统评估了常用的16种自动对焦算法，以确定最适合线虫脂滴荧光图像的自动对焦算法。我们发现，WT算法精度较差，计算时间较长，因此它不适合于评价线虫脂滴荧光图像。综合考虑计算时间和精度，我们认为ATEN、MDCT和TEN比较适合线虫脂滴荧光图像。其中，ATEN的精度最好。在一个自动化筛选系统中，我们经常需要较高的精度和较快的采集速度，在这种情况下，也可以先使用速度比较快的TH算法进行粗搜索，再使用ATEN算法进行细搜索。