神经元是构成神经系统结构和功能的基本单位。对神经元图像进行正确分割是构建神经元三维结构的基础,在医学领域具有重要的实际应用价值。双光子激光显微镜是获取神经元显微图像的主要装置之一,然而双光子激光显微镜在成像过程中存在图像模糊和图像退化现象,此外,神经元突起结构具有密度变化大、像素分布不均匀,目标与背景对比度低等问题,使得对神经元图像进行正确分割变得极为困难。针对这一问题,本文根据神经元的具体特性,提出了两种神经元图像分割方法。本文研究内容如下:首先,对神经元图像预处理方法进行研究。通过对图像增强常用方法的分析,针对神经元图像目标与背景对比度低,突起连通性差的问题,采用适用于线性图像增强的Hession矩阵滤波器以及方向可控滤波器对神经元图像进行增强,针对传统方向可控滤波器方向描述粗糙,不能准确反映神经元突起结构的问题,给出了方向可控滤波器在类canny准则约束下的改进方法。实验结果表明Hession矩阵滤波器和改进的方向可控滤波器均能有效的对神经元图像进行增强。其次,对神经元图像分割方法进行研究。由于神经元图像与视网膜图像具有一定的相似性,在研究视网膜追踪算法的基础上,针对神经元图像连通性微弱的问题,提出了扩大追踪范围的改进方法,实验结果表明改进后的算法可以有效地对神经元图像进行分割。此外,结合全局阈值分割噪声少,局部阈值分割信息全的优点,本文提出了基于连通域的神经元图像分割算法。在该算法中,参与阈值化的对象不再是单个的像素点,而是相互连接的连通域。最后,对实验结果进行评价。目前对神经元图像分割算法的评价方法研究较少,最终往往只能通过肉眼比对的方式来对实验结果进行分析评定。为了使评价结果更加客观,本文给出了一种基于像素的神经元图像评价方法。该方法在没有对比模板库的情况下实现了神经元图像分割算法的结果评定。用基于像素的神经元图像评价方法对神经元图像分割算法进行性能上的评价,实验结果表明,本文研究的两种神经元图像分割算法均能有效的分割出神经元图像中的突起结构,相比而言,结合方向可控滤波器的基于连通域的神经元图像分割算法对神经元图像的分割效果更好。