莱特准则的椭圆拟合优化算法

　　普遍使用的代数距离最小的最小二乘（ LS）椭圆拟合算法简单、易实现，但对样本点无选择，导致拟合结果易受误差点影响，拟合不准确。针对此特性，提出了一种基于莱特准则的椭圆拟合优化算法。首先，由代数距离最小的LS法对待拟合曲线进行椭圆拟合；其次，将待拟合曲线上的点与LS法拟合的椭圆的代数距离作为样本点集，在验证该样本点集服从正态分布的情况下，采用莱特准则，将样本点中值大于l 3al的点判定为野值并剔除，进行多次拟合，直至样本点中无野值；最后，得到椭圆最优拟合结果。仿真实验结果表明，优化算法的拟合误差在1. 0%以下，相比同条件下的LS法，其拟合精度至少提高2个百分点。优化算法的仿真结果与其在香烟圆度在线检测中的实际应用验证了此算法的有效性。