在神经科学研究中,从单神经元水平对神经环路结构的研究有助于理解大脑的运行机制和工作原理。借助显微光学切片断层成像系统可以获取大脑中的神经纤维等精细结构图像,通过这些图像数据,人们可以在单神经元分辨率水平上研究神经环路。然而,由于成像时的光照不均、切片过程不稳定等因素的影响,采集的原始图像往往存在信号强度不均的问题,主要表现为背景亮度不均匀以及无规律的切削伪影,这为后期的图像数据定量分析带来了困难。针对上述不同因素导致的图像信号强度不均的问题,本文提出了不同的校正方法。对于图像背景亮度不均的问题,采用一种改进的回顾法,首先对不均匀背景建立模型,之后利用优化算法估计最优的模型参数,最后采用该参数对图像进行校正。对于图像中无规律的切削伪影,由于其分布没有规律,不能建立背景模型,本文提出基于灰阶形态学的处理方法,通过形态学开闭操作组合提取不均匀的背景,最后对原图和背景求差,得到校正后的结果。采用本文提出的校正方案,分别对全脑范围的荧光标记图像和尼氏染色图像进行校正,并采用多个定量指标对处理前后的图像质量进行准确、客观的定量评估。校正结果表明改进回顾法可以校正图像背景亮度不均,校正后的图像中神经元纤维走向及胞体都很清晰;灰度形态学方法可以有效校正尼氏染色图像的切削伪影,校正后的图像背景均匀,胞体聚集边界清晰可辨。同时,图像定量评价指标也表明两种图像质量在校正后都得到了明显提升。综上得出结论,本文提出的图像信号强度的校正方案可以在全脑范围数据上校正图像不均匀背景,提升图像质量。