显微镜下细胞的跟踪是多目标检测跟踪的重要分支和研究方向,也是计算机视觉与生命科学工程相结合的热点。精确地跟踪细胞的运动轨迹对于定量地分析血细胞的定向移动、组织器官的修复过程、药物作用下细胞周期变化都有着重要的意义。与自然场景下的多目标跟踪不同,细胞种类具有多样性,外形相似度高,以及运动情况复杂等特点,增加了跟踪任务的难度。如何提高细胞跟踪的精度,同时定量地分析出细胞活性的变化成为近年来研究的焦点。本文对细胞成像的工具以及图像数据特征进行分析,通过研究对比现有细胞检测和跟踪算法,提出了一种具有鲁棒性和普适性的分层次跟踪框架,并在多个不同细胞类型和成像工具的细胞图像序列上进行实验,具体工作如下:一、分析了细胞形态特征及显微镜图像特点,并探索出相应的图像预处理的算法和参数设定,解决由成像带来的噪声和细胞光晕问题,提高图像质量;二、对现有的分割和跟踪方法进行分类,对比了基于检测的关联框架,基于模型的演化框架,基于概率的贝叶斯框架优缺点,在先检测后关联的基础上,应用分层次的思想,先全局后局部处进行检测和跟踪,提高系统鲁棒性;三、在细胞检测阶段,针对细胞形态和粘连特性,提出使用椭圆拟合识别欠分割的方法,先全局后局部的解决分割问题。首先进行全局分割,经过形态学处理和区域标注后,使用椭圆对每一个区域进行拟合,筛选出欠分割区域。最后通过小波变换的分割方法对局部进行再次分割,提取质心作为跟踪依据;四、在跟踪阶段,提出适用于细胞跟踪的分层次跟踪框架,在不同阶段分类解决细胞事件。在第一阶段帧间关联中引入二分图模型,使用细胞密度估计保守的距离阈值,建立可信度较高的轨迹段,识别出细胞分裂、融合、移入移出事件并关联到轨迹段中;第二阶段,基于建立的轨迹段进行细胞事件的识别分类,结合生物特性和先验知识,纠正由于检测错误带来的跟踪中断和细胞分裂的问题;第三阶段,对每一段轨迹计算再次关联的时间空间约束条件,基于局部最优的方法,对轨迹段进行关联,在不需要初始化和人工干预的纠错下实现轨迹跟踪;五、通过细胞分裂中母细胞和子细胞的正确匹配,得到细胞增殖中的谱系关系,并通过三维空间轨迹的形式展示。