自动识别圆形目标是现实生活以及工业制造业中的实际需求,也是计算机视觉中最基本和最重要的领域之一。圆形目标自动识别的算法,目前最常用包括Hough变换算法、圆度检测算法、模板匹配,以及近年来提出的通过线性分割识别圆形目标的算法。针对复杂背景情况下识别效率低,识别精度不高两个问题,本文采取了支持向量回归模型与三点拟合圆相联合的形式,来识别图像视场中的圆形目标。本文主要研究工作如下:(1)分析比较了常用的图像预处理方法,包括图像对比度增强、边缘检测算子、图像阈值化方法等。选取高效合理的预处理方式是改善图像视觉效果和提高计算机识别效率的第一步,也是重要的一步。(2)从国内外学者在圆形识别方面的现状出发,深入研究了经典的自动识别圆形目标的算法。提出了支持向量回归模型与三点拟合圆相联合的算法,该算法通过支持向量回归模型训练不同类型的圆形样本,在高维空间中得到逼近圆形的回归函数,以该回归函数为中心线,构建一个近似圆环形的间隔带,在此间隔带内的点都认为属于圆形边界上的点,然后运用三点拟合圆几何算法计算出圆心和半径,从而达到识别圆形的目的。(3)通过VS2010+OpenCV2.4.9平台,将本文提出的算法与经典的圆形目标识别方法进行对比,从识别圆形目标的准确度与时间复杂度两个方面分析。实验结果表明,本文提出的算法通过对训练样本的学习,能够在噪声比较大的背景图像中得到圆形的边界信息,从而确定圆的位置,较仅使用某一种圆形识别算法有一定的优势。在以圆形作为定位的计算机视觉领域,具有重要的理论研究价值与实践意义。