常用的椭圆拟合方法有直接最小二乘法、最小平方中值法,Kalman滤波拟合椭圆法等。但这些方法都存在缺陷：要么对噪声和孤立点敏感,要么无法对拟合结果作出客观评价。为此,夏菁提出了混合椭圆拟合算法,以同时克服这两大缺陷。混合椭圆拟合算法主要是为单椭圆拟合而设计,而在应用中会遇到多个椭圆互不相交或相交、或同心的情况。因此需要将混合椭圆拟合算法扩展至多椭圆拟合情况。进行这种扩展必须要解决初始数据的检测、提取、拟合和分离问题。为完成初始数据的检测和提取任务,可先用边界跟踪法探测多个椭圆目标的外形轮廓曲线；根据曲率检测出轮廓曲线中的角点；获取角点之间的弧段数据作为椭圆拟合的初始数据。然后运用混合椭圆拟合算法拟合初始数据,得到椭圆。完成拟合后,就将椭圆及其邻近的边缘点清除,这就实现了初始数据的逐步分离。对于同心的椭圆,拟合不仅要得到各自的椭圆,而且要保证它们同心,偏转角相等,长短轴成比例。为保证满足这些约束条件,本文提出一种新的基于全局搜索的同心椭圆拟合方法：首先推导出约束关系的数学表达式,然后基于最小二乘原理在全局空间中搜索比例系数,直到确定比例系数及对应的椭圆参数。实验结果表明扩展了的混合椭圆拟合算法和同心椭圆拟合新方法都能够快速、准确地完成拟合任务。