神经元干细胞是中枢神经系统中保持分裂和分化潜能的细胞,对它的研究和应用已成为近年来脑科学研究的一个重要领域。要进行干细胞研究,首先就要有效的定位待研究的细胞位置,研究细胞的运动情况,了解细胞的运动特性及规律,即细胞运动分析。目前,细胞运动分析已经成为是细胞研究中重要的组成部分之一。本文采用图像处理法,进行细胞运动研究。以共焦显微镜成像方式获取的体外培养的神经干细胞序列图像作为图像源,运用改进的基于增量带宽的Mean Shift算法作为追踪方法,并且在本文的最后一章探讨了应用多线程处理技术与基于增量带宽的Mean Shift算法相结合的方法对细胞进行并行追踪。文章对细胞追踪方法主要做了如下阐述：首先,由于传统方法是采用人机交互的方式,逐个选定目标细胞,这使得每次只能追踪一个细胞,不利于细胞的全自动追踪。针对这种情况,文章中提出以Otsu阈值法对图像进行预处理并获取二值图像,然后提取细胞轮廓线,进而确定细胞质心。该方法可以一次确定所有细胞的质心,为细胞的全自动追踪奠定了基础。其次,改进了经典Mean Shift追踪算法。对于Mean Shift算法的应用来说,带宽h是一个至关重要的参数,它决定了参与Mean Shift迭代的样本数量。应用经典Mean Shift算法进行细胞追踪时,一般依据目标细胞初始大小采用固定的带宽。但是在细胞分布较密集的情况下,如果采用固定带宽的Mean Shift算法,容易造成目标丢失。本文针对细胞尺寸较小的实际情况,提出增量带宽的思想,即将原始带宽h选取得较小,在迭代过程中,根据收敛的情况,对带宽适当增加△h,直到达到最佳收敛。针对不同的目标细胞,迭代收敛所需的带宽是不同的。增量带宽方法也可以被认为是一种自适应带宽方法。最后,结合多线程计算技术,采用VC++与Matlab混合编程的方法,实现了单处理器平台上多细胞的并行追踪,并取得了比较好的结果。