浮游植物是水生生物的重要组成部分。水质评估、有害赤潮监测以及水生态系统研究等都离不开对浮游植物定性与定量的研究。随着研究的进行，涌现出大量方法，例如流式细胞仪、分子技术法、显微图像分析等，其中利用显微图像分析的方法以其节约人力、速度快、成本低等优点得到了广泛应用。本文结合显著区域检测与分水岭算法，对浮游植物中的无角毛类藻显微图像进行了分割，并加以应用。文章的主要工作有：1.视觉注意及其在浮游植物显微图像中的应用。首先介绍了视觉注意的神经生物学原理，其次对三种经典的视觉注意方法加以分析，最后结合浮游植物显微图像的特点，改进现有方法，实现无角毛类藻的显著区域检测。2.无角毛类藻显微图像分割。结合无角毛类藻的显著区域检测和显微图像的特点，研究改进的分水岭分割方法。对于单细胞图像，使用最大面积提取方法选取标记区域，实验结果与5种常见的图像分割方法的结果对比并进行了定量分析；对于多细胞图像，运用大津法进行标记的选取，并通过视觉效果和定量分析两方面说明本文方法的有效性。3.图像分割的应用。采用单细胞图像进行藻种识别，提取形状因子及Hu不变矩等19个特征，运用支持向量机进行识别，采用18种藻共1800张图像进行训练，600张图像进行识别，最终的识别率为82.33%。对于多细胞图像，运用连通分量实现藻种计数，对703个细胞共93张显微图像进行计数，计数结果为763个，正确细胞所占比例为79.82%，占到实际细胞的86.63%。本文研究不仅取得了良好的分割效果，并且还能推广到藻类的识别和计数系统中，因此具有重要的应用意义。