差异蛋白质点提取是2D-GE图像分析的核心内容，蛋白质点检测是差异蛋白质点提取的关键步骤，能够为疾病诊断、药物研制和环境污染分析提供依据。目前，如何正确识别凝胶图像上的弱点和重叠点是2D-GE图像分析领域中的热点和难点。本课题在国家自然科学基金、江西省自然科学基金和江西省研究生创新基金的联合资助下，针对凝胶图像中的弱点和重叠点检测进行了深入的研究，主要工作内容和研究成果如下：(1)研究了2D-GE图像预处理方法。为了消除凝胶图像噪声的干扰，对比研究了NLM去噪方法和传统空间、形态学、小波等其他去噪方法，并通过去噪实验验证了NLM方法具有较好的去噪效果。为了消除凝胶图像背景不均的影响，采用高帽变换法校正图像背景，通过对光照不均和条纹干扰图像的背景校正实验，验证了该方法的有效性。(2)研究了基于图像增强的分水岭蛋白质点初检测算法。首先，为了有效检测出凝胶图像上的弱点，采用高帽变换和CLAHE增强算法对凝胶图像进行增强，提高蛋白质点区域的对比度；然后，采用标记分水岭法对增强后的图像进行初检测，获取蛋白质点区域轮廓。通过对不同种类的真实凝胶图像进行实验，结果表明，该算法具有较高的正确检测率，有效改善了弱点漏检问题，但仍存在重叠点难分离的现象，需进一步研究。(3)研究了基于形状特征的重叠蛋白质点分割算法。首先，采用基于图像增强的分水岭蛋白质点初检测算法，提取蛋白质点轮廓信息；其次，结合蛋白质点灰度信息和形状特征，自适应提取蛋白质点形状标记；然后，采用完全欧式距离变换算法计算形状距离图；最后，再次采用标记分水岭法对形状距离图进行分割，实现重叠点的精确分离。通过对不同种类的真实凝胶图像进行实验，结果表明，该算法检测效果明显优于商用软件PDQuest8.0.1和累积梯度分水岭方法，有效地改善了弱点漏检和重叠点不易分离的问题，且具有较高的分离精度，可满足实际应用的要求。