视频监控检测技术是运用计算机技术将视频信息中的运动目标检测识别出来的技术,该技术目前已广泛应用于运动检测、生物医学、交通监视、人机交互、日常生活、视频索引、国防、天文观测、高校教室监控、图像检索等各个领域。近年来在医学领域也取得了不错的成果。当神经丝蛋白质过量表达时,神经信息的传输通道过载,不能有效的将信号传递给接收组织,导致骨骼肌萎缩,造成一系列神经退行性疾病。以往的神经丝标定方法是对神经丝进行免疫染色,之后进行人工手动标记,但是该方法需要大量的劳动力,且容易造成误差。故本文提出了一种基于数字图像处理技术的荧光显微下神经丝自动跟踪算法。本文分为三个模块对神经丝蛋白质运动进行分析研究,分别为图像预处理模块、图像分割模块和特征提取模块。首先,对神经丝蛋白质运动视频做数字化处理,将神经丝蛋白质运动视频信息转化为机器可以识别的数字图像信息,然后将对神经丝蛋白质图像做图像复原和归一化处理,将所有图像转化成标准模式,并对神经丝蛋白质图像做图像增强。其次,对预处理后的图像做图像分割处理,采用阈值分割算法和关联检测法搜索整张图像中包含完整目标神经丝蛋白质的部分并分割该区域,并依据两帧间图像的联系检测提取出下一帧图像中目标神经丝蛋白质的位置区域,依据神经丝蛋白质自身的特征属性,采用k-均值聚类分割算法将目标区域中的神经丝蛋白质完整的分割出来。最后,对神经丝蛋白质图像进行特征提取,将k-均值聚类算法分割后的神经丝蛋白质图像转化为二值图像,并提取出二值化图像中神经丝的最大边缘曲线,将该曲线上的离散点作为参数活动轮廓模型的初始差值点对原始图像进行轮廓提取,得到神经丝蛋白质的轮廓曲线,建立相邻两帧图像间神经丝蛋白质的空间特征关系并判断神经丝蛋白质的运动方向,最终建立神经丝运动轨迹,达到跟踪的目的。在实验部分,本文通过对比基于Mean Shift算法、Kalman滤波算法、粒子滤波算法的目标跟踪算法和本文使用的图像处理算法对神经丝蛋白质运动视频做跟踪实验,发现基于图像处理的神经丝跟踪算法明显优于其他三种算法,具有更好的跟踪精度和鲁棒性。