图像跟踪是图像处理中的主要问题,也是一个经典难题。一直以来,很多研究人员就在这个领域中根据应用环境的不同建立了各种模型,但是始终没有一个通用且完美的跟踪算法。近些年来随着医学图像采集水平的不断提高,医学图像中的跟踪问题也受到越来越多研究人员的重视。但是随之而来的问题是现代的显微技术使得人们很难人工的对获得的海量数据进行处理和分析,所以生物学家们急迫的需要一些能够快速并且具有很好鲁棒性的自动图像分析技术来帮助他们。与普通的自然图像或视频不同,这些被采集的生物体本身的结构和特征能带来大量的辅助信息。如何利用好这些先验信息来帮助人们进行特定目的的跟踪是人们研究的主要方向。本文的研究重点是共焦荧光显微图像,这种图像在生物医学图像领域有着广泛的应用,但是在处理上也存在诸多难点。对管状结构来说,剧烈的方向变化和粘连缠绕等问题是分割跟踪的主要挑战,对似球状的细胞图像来说,各种有丝分裂的状态变化和内部亮度的剧烈变化也给跟踪和识别带来很大难度。本文首先回顾了在医学处理领域常用的轴线提取和多目标跟踪的算法。然后分别在两种应用场景下对高维图像的跟踪算法进行了研究。首先是对共焦显微图像中的神经细胞轴突的形态学结构(轴线)的提取,对这种三维管状生物结构的可视化成像和分析会对神经学研究者理解神经的功能及其演化起着重要的作用。本文在无迹卡尔曼滤波的体系下提出了一种新的基于能量的非线性预测模型。与基于海瑟矩阵或者基于分割的方法不同,该方法是在管状物体中引入一个椭球形的核,通过最大似然的方法求得该椭球核在图中的最大能量路径。同时受到方向惩罚因子的控制,来更好的控制跟踪方向。通过对不同神经轴突的局部能量大小评判来确定跟踪优先级和确定跟踪禁区,以此来解决不同神经轴突图像互相粘连和缠绕的问题。这是一个半自动的方法,需要给定一个跟踪起始点来完成跟踪过程。实验结果表明这个方法能够很好的处理复杂的三维管状结构,并且不需要预分割结果予以辅助。然后是对三维金枪鱼细胞图像的时间序列进行分割和跟踪。目前对疾病模型的研究和药物研发都是基于对脊椎动物系统的大量图像分析,金枪鱼则是目前最好的研究脊椎动物的材料。本文提出了对这种细胞图像序列的自动分割和跟踪算法。通过引入表面能量来对三维Level Set的演化方程进行改进,使得亮度很低的细胞和粘连严重的细胞能够被正确的分离出来。之后采用基于图论的三维多目标跟踪算法来对整个时间序列中的细胞进行跟踪,我们提出了新的节点匹配算法,这个方法很好的利用了邻居结点之间的关系。最后的实验结果也很好的验证了我们的方法。