实验小鼠自发活动情况的观察、记录和统计信息,对于生物医学研究具有重要意义。早期的动物行为学研究,主要依靠人工观察和记录,存在诸多不便。近年来,随着视频和计算机图像识别技术的发展,小鼠自发活动的自动化监测和记录方法有了很大改进。但是,由于小鼠活动体态的多样和复杂,现有的方法和技术还存在不足,特别是体态识别效果尚未令人满意。针对实验小鼠自发活动的图像识别问题,在顶部和侧面两种拍摄条件下,本文分别研究和改进了其图像数据的处理方法和识别算法。小鼠活动场所通常存在光照不均匀的状况,在此情况下,仅用常规的图像数据灰度化、二值化处理方法效果不好,本文对图像数据进行开运算和闭运算预处理,结果表明,改进后的算法能够有效消除实验小鼠图像的上述不利影响。研究分析了三种滤波算子处理图像的方法,对滤波效果进行对比。结果表明,维纳滤波效果较好,更适合小鼠图像识别；中值滤波不适合检测点、线、尖顶细节多的小鼠图像；线性平滑滤波后的小鼠图像出现细节模糊。关于小鼠轮廓提取,研究分析了现有常用的基于梯度算子的三种边缘检测方法,结果表明都存在严重不足。而采用目标物体的边界追踪法提取小鼠边缘,尾部较细,而且连续、不断裂,此法用于小鼠图像识别,较前三种方法效果好。当图像采集为顶部拍摄时,可由小鼠重心追踪相关运动位置信息,研究设计了角点检测方法,可用于提取小鼠头部、尾根部特征信息,并对其进行定位。依据头部、尾根部、重心三点相对位置参数可进行某些体态识别。由于顶部拍摄法所获取的信息有限,不利于小鼠较复杂体态的判别,本文设计了侧面拍摄与顶部拍摄相结合识别小鼠体态的算法,其在小鼠蹲起和竖起的两种体态的识别中效果较好。在侧面拍摄的算法中,主要是通过小鼠身体的大体朝向来识别体态,基本思想是利用去掉尾巴条件下小鼠身体的最小外接矩形顶点在竖直方向上的最小距离判断小鼠的特殊体态。结合两种拍摄方法,可以采集到小鼠较大范围内的活动图像,不仅能识别一些简单运动,还能有效识别小鼠一些较复杂体态,达到丰富小鼠体态特征识别内容的目的。本文的研究结果可以为改进小鼠自发活动的计算机图像识别系统提供支持,提高其识别率,改进其识别效果,为相关生物医学研究提供有效信息。