油罐、雷达罩等圆形类目标一直以来都是重要的军事打击对象,卫星零部件如太阳能帆板、天线等,在远端拍摄的卫星图中都会呈现圆形类形状。圆形类物体是视觉目标中的一个重要子集,在我们的生活中随处可见,也出现在各种工业应用的场合中。圆形类目标检测算法作为定位圆形类目标的基本技术途径,其研究对于国防、国民经济和社会发展有着重大的影响。本文在研究和分析传统圆形类目标检测算法的基础上,针对实时性、目标边缘模糊和目标尺度小等几类研究难点,运用弧线拟合、提取特征和建立模型的方法解决多种场景下圆形类目标的检测问题。分析Hough变换等传统圆形类目标检测算法,针对它们存在系统开销大、实时性差的缺点,提出基于弧线分组拟合的快速圆形类目标检测算法。算法充分利用目标的边缘信息,根据物体边缘的梯度方向与凸特性对弧线聚类分组,最后利用圆形类的极点极线性质与Aguado定理拟合目标参数并检测出圆形类目标。对于边界模糊的目标,不能提取到高质量的边缘信息,所有以边缘提取为基础的方法都不能得到很好的检测效果。针对边缘模糊的情况,提出运用提取目标特征的方法去检测圆形类目标。算法选用HOG与LBP特征,结合支持向量机对特征进行训练并得到分类面参数,在边缘模糊情况下检测出圆形类目标。针对小尺度的圆形类目标,提出运用结构先验知识构造模型进行圆形类目标的检测。算法充分利用圆形类目标的形状与结构特性,构造基于先验知识的结构模型,并依据形态与尺度的变化动态地更新模型,对于小目标有很强的适应性。基于结构模型的小尺度圆形类目标检测算法最后被移植到DSP平台上运行,移植过程中完成了算法的时间与空间优化。