使用显微镜观察并采集脑组织的结构图像,重建神经元细胞的形态,以帮助理解和揭示大脑的功能和行为机制,是神经科学研究的重要方法之一。随着实验方法的进步,特别是光学显微镜(Light Microscope, LM)成像技术的发展,获得的神经元形态图像类型和容量都在迅速增加。但是对于大规模的LM图像分析,快速可靠的神经元形态重建和交互式可视化,仍然是悬而未决的难题。本文研究用于LM图像的神经元形态重建和可视化方法。具体内容如下：提出移动射线爆发采样算法,与多尺度图像滤波和距离变换算法联合使用,实现LM图像中的胞体(细胞)检测和表面重建。使用开源项目提供的基准测试数据,对其可靠性和性能进行评估。结果显示,算法可以较准确地检测不同密度、大小和形状的细胞,并重建接近球体的对象；算法本身的速度非常快,该方法的时间消耗主要在多尺度滤波上。该方法应用于显微光学切片断层成像(Micro-Optical Sectioning Tomography, MOST)数据,重建局部区域神经元胞体,并为突起追踪提供起点。提出预测修正追踪算法,单独或者与图像滤波算法联合使用,实现LM图像中的突起轨迹追踪和树形结构重建。使用模拟数据和真实LM图像,对其可靠性和性能进行评估。结果显示,算法能够较好地追踪连续的突起,召回率和准确率都相当高；算法运行在自动或者半自动模式下,可以达到交互式的速度。总体上,方法在速度和可靠性上取得了一个平衡,对于突起或其它树形结构的快速重建,是很有吸引力的。该方法应用于MOST数据,重建单个神经元和局部连接回路；应用于造影图像,追踪并重建血管结构。基于图形处理器加速的光线投射算法,采用体数据分块策略,实现大容量LM图像的高质量交互式三维可视化,并集成胞体检测和突起追踪算法,开发一个神经元形态重建和可视化软件flNeuronSight(源代码开放)。在实际应用环境中,对其性能和可用性进行评估。结果显示,当前的实现,渲染系统内存容量相当的体数据,或者可视化十万量级节点的神经元重建结构,基本可以达到交互的帧速率。大规模神经元形态的重建和可视化是非常复杂的任务,对计算硬件和软件都提出了严峻的挑战。各种算法联合使用,应该是解决问题的方向。本文的研究,为这一领域添加了一组可供选择的新方法。