水果的可见光谱目标识别是实现农业自动化采摘至关重要的一步。 在水果识别的过程中, 由于重叠和遮挡的影响使得目标识别困难, 识别率不高。 本文针对自然环境中果实重叠的识别问题, 利用谱聚类算法对图像进行分割, 然后使用随机霍夫变换实现果实的识别和定位。 针对传统算法运算复杂度高, 运算速度慢的问题, 本文提出了基于均值漂移和稀疏矩阵原理的改进谱聚类算法。 首先使用均值漂移算法对图像进行预分割, 均值漂移是一种用于密度梯度的无参估计法。 该算法实质是一种迭代, 先计算出偏移量, 根据偏移量移动点, 如此反复, 直到偏移量为零即收敛到一点为止。 利用均值漂移算法除去大多数的背景像素, 为减少谱聚类算法的计算量做准备。 然后提取预分割图像的有用信息即图像中像素对之间相似度的描述, 将提取的图像特征信息映射到稀疏矩阵中, 并使用K-means算法将其分类。 得到最终的分类结果, 实现对预处理图像的再次分割。 然后恢复图像分割区域的颜色, 使用彩色向量梯度提取边缘轮廓, 对得到的轮廓图像使用随机霍夫变换, 并在检测过程中设置半径参数的范围从而进一步加快算法的运行速度。 经过检测可以得到目标的圆心坐标和半径, 从而实现重叠绿苹果的识别。 降低了谱聚类的数据处理量, 提高了算法的运行速度。 经过试验分析和算法对比, 该算法得到较高的重合度9541%, 较低的误差率459%和误检率305%。

为解决空间碎片漫反射激光测距回波数据信噪比低，难以快速高效地提取有效数据点的问题，提出一种基于随机Hough 变换的有效回波提取方法。考虑O-C 残差中相邻信号点之间的时间相关性，将有效回波数据的提取问题转化为图像空间中的曲线识别问题。采用随机Hough 变换，将确定一条曲线的n 个数据点映射为参数空间中的一个点，并在参数空间中运用分数累加的策略进行曲线辨识，提取信号点。采用该方法处理中国科学院云南天文台空间碎片漫反射激光测距实验得到的数据，结果表明，该方法可以快速地提取近似曲线型分布的有效回波，且占用内存少，漏检率低，为自动高效提取空间碎片漫反射激光测距有效回波提供了新思路。

随机 Hough变换和随机圆检测算法是图像中检测圆轮廓的快速方法，但在实际应用中分别在速度和精度上有不足。将上述算法中的随机采样分布、采样累积分布和采样次数阈值归为采样约束问题，将代理点计算出的参数与真实参数的偏差归为参数校准问题。经分析上述问题，将改进的随机圆检测算法作为快速识别方法，将随机圆 Hough变换作为校准方法，结合两者的优点提出一种基于识别 -校准框架的高效圆检测算法。实验数据证明，在噪声和不理想圆轮廓条件下，该框架能够很好地平衡检测速度与精度，从而体现出算法的高效性。

针对基于Hough变换航迹起始算法存在的虚警率过高现象,提出了一种快速随机Hough变换(FRHT)航迹起始算法。该算法充分考虑了目标的运动信息,使用了序列采样策略,并利用采样终止规则限制采样次数,从而保证了该算法具有较高的航迹起始成功率,并且大大缩短了航迹起始时间。仿真结果表明了算法的有效性。

现有的椭圆检测算法如随机霍夫变换,在有遮挡、多目标的情况下存在稳定性差、精度低的缺点。本文提出一种基于凸性连通分支搜索结合曲线拟合的多椭圆检测算法。先按照凸性对边界曲线进行分割,使分割后的曲线符合某一特定的椭圆曲线函数;然后在分割曲线段的基础上进行椭圆拟合;最后合并同一椭圆上的曲线段。对合成图像及自然图像的测试表明,本文提出的方法能够充分利用椭圆曲线边缘点的整体特性,在多椭圆检测中有良好的表现,并具有一定的抗噪性能。