显微镜细胞图像处理作为图像识别领域中重要的研究课题，覆盖了如图像处理、模式识别、计算机视觉等学科的内容，具有广泛的应用价值。随着科学技术发展的日新月异，人类对生物医学领域的发展要求越来越高。通过分子层面的定量研究，发掘疾病的病理机制，揭示生命的起源和形成，是生物医学领域当前和今后的主要发展思路。从定性分析阶段向超微结构定量分析阶段发展逐渐成为生物医学的研究方向，这也意味着需要具有对电子显微镜图像进行定量处理的方法和手段。因此，研究细胞分辨率层面上的图像处理问题，使之成为一种全自动、无人为介入、高效而准确的计算机辅助技术，对生物医学领域具有巨大的意义。本文主要围绕两个具体应用问题展开研究工作：即针对清醒老鼠的双光子激光扫描显微镜图像运动恢复问题和微分干涉差显微镜细胞图像分割问题。运动恢复问题是图像处理算法中的图像配准问题在时间序列图像中的具体应用，而图像配准和图像分割正是图像处理及分析领域的两个运用极为广泛和相互关联的方向。针对清醒老鼠的双光子激光扫描显微镜图像运动恢复问题，分析了传统隐马尔科夫方法在老鼠奔跑阶段中失效并给出错误运动估计的原因，提出了一种嵌入速度因素的隐马尔科夫模型。这种模型首先使用一种穷尽搜索方式预估图像中每行像素的偏差，再利用这个预估速度对隐马尔科夫模型中的状态转移概率函数进行速度补偿，克服了传统隐马尔科夫模型运动恢复模型中将最大概率赋予静止状态这种先天缺陷。基于模拟数据和真实数据，实验验证了速度嵌入的隐马尔科夫模型都能够比传统隐马尔科夫模型得到更精确的运动校正结果。针对清醒老鼠的双光子激光扫描显微镜图像运动恢复算法初始化过程中的参考图像选择问题，传统的基于灰度信息的参考图像选取方法忽视时间序列图像之间的空间几何信息变化，从而导致运动恢复的精确性较低。为此，提出了一种新颖的最佳参考图像选取方法。这种方法改变了传统算法仅考虑灰度差作为评估参数，采用互信息和平均绝对误差一起建模作为新的评估参数。加入互信息可以将灰度空间变化信息带入评估参数，一定程度上避免了仅用平均绝对误差而引入的局部最大化，进而导致配准误差增大的问题。基于模拟数据和真实数据，实验结果表明最佳参考图像选取方法比传统的典型算法能够得到更为精确的图像运动恢复结果。针对微分干涉差显微镜细胞图像边缘检测中，传统的基于灰度信息的细胞边缘检测算法无法克服光照不均匀、对比度低等成像缺陷，边缘检测效果不理想等问题，提出了一种基于相位一致的细胞边缘检测算法。这种算法改进了其中的相位偏差加权函数的形式，提高了相位一致算法在捕捉局部特征时的灵敏程度。基于神经干细胞图像和血红细胞图像的边缘检测实验表明，基于相位一致的细胞边缘检测算法能够为细胞图像轮廓的分割提供了更为精准的边缘信息。针对微分干涉差显微镜血红细胞图像的分割中，血红细胞图像本身的成像缺陷导致传统的主动轮廓模型算法较难利用区域统计信息和边缘特征信息，以及非中心参考点导致广义主观面的细胞分割效果不理想等问题，提出了基于主观面的细胞图像分割算法。这种算法引入了基于局部相位信息的边缘检测算子，并且改进了主观面模型中控制超曲面演化的伸展系数的演化形式。实验结果表明基于主观面的细胞图像分割算法有效地提高了细胞图像的分割精确度，并且一定程度上解决了当演化初始点位置不在目标物体中心位置时，传统主观面算法分割性能不佳的问题。