随着计算机技术的日新月异，越来越多事情可以由计算机代替或帮助人去完成，其中利用计算机图像技术辅助医学诊断是一研究热点。其中在人工受精样本优选方面，传统采用人工肉眼对精子样本观察分析的方法费时费力，而且主观性强，精度难以保障。针对国内外动物精子质量自动分析系统的研究现状，在现有的研究的基础上，本文进一步深入研究形成了一套适用于猪精子质量分析的自动分析算法。主要工作内容如下：　　分析了不同类型图像分割方法与技术的特点，通过对比实验结果，采用最大类间方差算法对猪精子图像分割，分割效果较好。然后将卡尔曼滤波与最大类间方差分割算法相结合使用，改进了最大类间方差算法，大幅度减少了算法求阈值的迭代运算次数，提高了分割效率，更好的满足系统的实时性要求。　　分割后图像存在精子粘连和杂质的现象。对于精子粘连问题，利用数学形态学开运算进行分割的方法不能分割一些粘连情况严重的精子，这些精子需要多次腐蚀才可能分割开来。所以改用局部腐蚀的方法进行分割，将精子图像中各个目标划分为独立的区域，每个区域可以有不同的腐蚀次数，很大程度上解决了精子粘连分割的问题。针对图像中的杂质，利用形态特性建立的两个筛选规则进行杂质剔除，但是会将非精子杂质的粘连精子一并剔除，所以对筛选规则做了相应改进，避免了此类现象，减少了影响后续跟踪的不利因素。　　分析研究了不同类型跟踪算法在精子目标跟踪中的可行性。针对精子图像目标数量多、目标差异小、目标特征少的特点，选择了较适合的最邻近数据关联法进行多目标跟踪。同时结合滤波预测的跟踪思想，采用基于精子目标帧间运动距离方向的预测方法进行跟踪预测，克服了精子运动无规则导致传统预测方法准确性低的缺点，预测准确性高、速度快。最后针对跟踪中两种常见的跟踪错误，添加两个跟踪补充原则，改进了最邻近数据关联法，提高了跟踪正确率。