王　敏，童水光，陈玉辉，从飞云

(浙江大学 机械工程学院，浙江　杭州　310027)

0　引言

在实现机器视觉的过程中，提取图像的目标特征信息是检测的第一步。圆作为一种基本的几何特征，在许多应用场合中快速而准确地检测出轮廓圆及其数目，可为更进一步的操作提供理论依据，具有广泛的工业应用价值。例如在基于图像处理的轮毂自动化加工系统中，对轮毂轮廓圆的识别就属于这样的一类应用。传统霍夫变换(Conventional Hough Transform，CHT)是图像处理领域对目标特征识别与提取的重要方法之一，也是检测轮廓圆的有效方法[1]。然而若将CHT直接用于轮廓圆检测，由于圆有3个独立参数，需要在三维参数空间进行累积，致使这种算法仅在理论上可以取得较好的结果，在实际中因计算量和内存需求量过大而难以应用[2]。为了解决这个问题，Xu等人研究出了随机霍夫变换(Randomized Hough Transform，RHT)[3-4]，在目标图像里随机采样非共线的3个轮廓点计算出圆的参数，并将其变换至参数空间进行累计，属于“多到一”的映射，从而避免了CHT复杂的“一到多”映射。Chen等人研究出了改进的圆检测算法(Randomized Circle Detection，RCD)[5]，在证据累积验证前先进行预判，即确定随机采样的4点是否共圆，然后验证其圆的真伪性，它在噪声比小于1.7的条件下能够大大提升圆的检测速度。方菲等人利用形状角特征判别是否为圆形[6]。尽管这些研究卓有成效，但是目前的研究中仍存在以下问题：

(1) 尽管避免了经典Hough变换“多到一”的映射，但由于随机采样的无目标性，给验证圆的过程增加了负担，降低了检测速度。……