随着现代社会的不断发展，人类生活水平的不断提高以及世界人口总数的不断增长，都极大地刺激了畜牧业的发展。但是，现代畜牧业的选种育种大多仍然按照传统的依靠人工的方式进行，这种方式对操作人员的专业知识和实践经验要求较高，严重制约了畜牧业的健康发展。本文研究的羊精子质量检测技术的关键问题和方法对于促进畜牧业的健康发展是十分迫切和必要的，本文的研究工作既有理论意义又有应用价值。本文分析了国内外动物精子质量检测技术的研究成果及其现状，重点研究了羊精子连续运动帧图像特征，将图像处理方法应用于羊精子运动能力分析上面，得到了一套完整的适合于羊精子运动能力分析的方法。　　具体来说，本文的研究内容主要包括精子运动图像预处理、精子目标分割、精子目标特征信息提取、目标识别和精子多目标运动轨迹跟踪几个方面。　　在图像采集之前，为了确保采集到的图像的清晰度，首先对获取的图像进行清晰度判别，建立清晰度判别函数以保证获取到的图像的清晰度。对于采集到的图像采用邻域滤波算法进行预处理，该方法能有效消除图像随机噪声的影响，并且算法简单、易于实现，适合精子图像的预处理。为了增强图像的对比度和平衡图像光照影响，本文采用同态滤波方法对图像进行处理，该方法能有效的提高图像对比度并进一步降低噪声干扰。　　精子目标分割过程分为普通精子目标分割和粘连精子目标分割两部分。根据目标的形状因子、面积等特征因子判断目标是单个精子还是粘连目标。对于非粘连的羊精子目标采用改进的二维OTSU算法进行分割。该算法将图像由一维空间转换到二维空间，在二维空间中搜索最佳阈值，对于阈值的搜索更加准确并且能有效的降低噪声的干扰。对于粘连交叠目标的分割，本文采用形状因子和链码原理相结合的方式，在粘连目标边缘寻找凹点并根据凹点位置确定分割点，分割粘连目标，该方法对于两个粘连精子目标的分割快速、有效。　　在精子多目标跟踪方面，根据精子本身的形状特征及其运动过程中的速度特征，归纳出精子运动的特征参数。根据精子下一帧的运动特征结合卡尔曼滤波方法预测精子下一帧的运动范围，在预测范围内建立相似度匹配函数，并计算目标匹配的特征相似度，以此作为下一帧目标运动位置的判断标准。该方法可以对密集目标进行有效的跟踪并且误差率控制在规定的范围内。　　实验结果表明，本文给出的精子目标图像预处理、分割和跟踪方法，对于分析羊精子目标运动能力可以取得良好的效果，具有较高的实用价值。