椭圆曲线或者曲线片断经常出现在各种工业应用的场景中,而椭圆检测算法则是识别现实中具有椭圆形轮廓目标的有力工具。传统的霍夫变换虽然能够有效检测椭圆。但是它对遮挡问题的稳定性不高,而且计算量很大。这些问题严重地制约了椭圆检测的应用。传统算法的缺陷在于没有抓住椭圆边缘的整体特性。仅仅利用边缘点对、三点组或者边缘点上的正切和梯度信息是不够的。本文的研究思路从科学实验与日常生活经验出发,利用最新发展的曲线拟合方法,挖掘椭圆边缘的整体特性,在特定的参数空间里寻找椭圆边缘线段的共性,并试图以比较少的边缘信息表述完整的椭圆轮廓。本文的工作主要体现以下几个方面:(1)在阅读大量文献的基础上,将现有椭圆检测算法分成两类进行比较,总结出各自的优缺点。同时指出无论哪一种方法,都无法有效地解决现实椭圆检测中的遮挡问题;(2)从视觉系统辨识的经验出发,提出霍夫变换和边缘拟合相结合的椭圆检测算法。新方法综合了两类椭圆检测算法的优势,不仅极大的降低了计算量,而且有效地克服了遮挡因素带来的信息缺失的问题。实验证明,该方法对遮挡具有很高的稳定性,在遮挡量达到1/3的时候,仍然能够有效地检测椭圆目标,而且对于旋转等几何仿射变换也具有较强的稳定性;(3)对现实中椭圆检测遇到的主要问题–噪声和遮挡,进行了定性和定量的分析。指出前人的提出的各种影响因素都可以归结到噪声对边缘定位的影响。