人类许多重大疾病,如肿瘤发生和转移等,都与细胞运动息息相关。通过细胞追踪揭示细胞行为以及细胞运动的特定规律,可为疾病医学研究提供可靠依据。当前对细胞追踪的研究手段主要有细胞染色方式和图像分析方式两种。细胞染色方法过程繁琐,成本昂贵,尤其在针对大量细胞追踪和细胞的生长、增殖过程时,精确度不高。图像分析作为新的一种研究方法,基于图像处理和机器学习,减少了人为操作,可以得到更为客观和准确的结果。本文通过长期活细胞培养,使用cellprofiler软件对显微成像后的细胞进行分割,提取细胞轮廓,最后捕捉图片中所有细胞的形态,并测量得到其形态参数,如大小、位置、长宽比等信息。对比时间序列,利用轮廓跟踪方法对同一帧和不同帧图像中的细胞形态特征相关性进行分析与比较,用提取出来的特征参数把相邻两帧中的所有细胞一一匹配,实现细胞与细胞之间的最佳匹配,进而实现大量细胞的追踪。轮廓跟踪方法主要使用目标区域的内在信息编码,这些信息可以由外观密度和形状模型构成。如果已知一个目标模型,形状匹配和外形提取分割都可以实现跟踪。本文从形态特征分析出发,结合实验对比,表明细胞的运动可以通过单个细胞的形态去追踪。本文采用的图像处理方法有助于探寻疾病细胞如癌细胞的集群运动机理,为重大疾病的提前诊断与手术治疗提供关键依据。