前言
　　本文提出了在外场光学测量中，采取一种边缘定位精度较高、实时性较强的椭圆圆心定位算法。该算法首先对图像中的类椭圆目标进行粗定位，确立监视视场中感兴趣的方形区域，作为确定目标空间位置的识别、捕获波门，再用Canny算子对此区域进行边缘检测，根据粗定位信息及图像边缘灰度分布特征获取精确地亚像素边缘点，分别用“曲率滤波”和“均值滤波”的方法对亚像素边缘点中的“孤立点”和噪声点加以滤波，最后用最小二乘法对滤波后的亚像素边缘点加以拟合，得到光滑的椭圆圆周，求得精确地椭圆圆心位置。该算法定位精度高，且计算量小，运算速度较快。
　　1 粗定位及边缘检测
　　外场光学跟踪测量中，飞机等监视测量目标在远距离情况下蜕变为类椭圆形状后往往只占整幅视场图像的小部分，在整幅图像中对目标进行边缘定位极为困难，精度也不高。在椭圆圆心定位算法中，通过粗定位椭圆圆心的位置和长轴的长度，提取包含该目标椭圆的“感兴趣区域”（ROI，region of interest），在定位边缘时只对感兴趣区域进行，采用Canny算子进行边缘检测，可提高算法的快速性。此过程通过图1所示试验图像可给出直观的印象。图1（a）是一副实际测量图像，图1（b）是椭圆粗定位后的结果，其中白色方框内区域为感兴趣区域，图1（c）为Canny算子处理的结果图。
　　3 滤波及最小二乘拟合
　　图像中往往存在噪声，导致获取的亚像素边缘点不够准确，另外，在亚像素边缘定位中，如果出现1.2.3节最后提到的特殊情况会导致亚像素边缘点中出现“孤立点”，即对δ=0应的边缘点。为不影响圆心定位的精度，必须进行滤波。首先将“孤立点”用曲率滤波的方法给予剔除，然后进行均值滤波，以尽量减少噪声的影响，而且使边缘点的连接更加平滑，从而得到较平滑的椭圆圆周，利用几何知识便可确定椭圆圆心具体位置。
　　4 结束语
　　本文提出的椭圆圆心定位算法经过了椭圆粗定位、像素级边缘定位、亚像素边缘定位、滤波、最小二乘拟合5 个主要步骤， 特别在获取椭圆目标的亚像素边缘点时， 提出了一种改进方法， 该方法综合利用了椭圆粗定位的信息和图像边缘灰度分布特征， 有较高的边缘点定位精度和快速性。此外， 针对亚像素边缘定位方法提取边缘点出现的孤立点和噪声， 提出了一种滤波方法。该滤波方法先采用曲率滤波的方法将“孤立点”剔除， 然后采用均值滤波的方法减少噪声， 滤波方法简单有效。实验结果表明： 该算法的定位精度高， 且算法简单， 算法运行时间不足1 s， 实时性高。