物体识别是计算机视觉重要研究领域之一,该领域的研究成果对工业自动化、宇航工业、深海探测及国防建设有着重要的影响。Hough变换是物体识别领域的一个重要算法,它的突出优点是可以将图像空间中较为困难的全局检测问题转化为参数空间中相对容易解决的局部峰值检测问题,但同时也存在运算速度慢及占用存储空间大的问题。为解决传统Hough变换检测直线、圆、椭圆以及某些不规则形状时存在的运算速度慢,存储空间消耗大且稳定性不高等问题,提出了基于局部分析的Hough变换形状检测方法。针对用二维参数解析式表达的形状,如直线和类直线,提出基于局部PCA方向分析的参数约束Hough直线分层检测算法,利用PCA方向分析结果对参数空间进行约束,不但使计算、存储消耗大大减少同时有效克服了经典Hough变换中直线的相互影响问题。针对不止用三维参数解析式表达的形状,如圆和椭圆,提出基于局部PCA感兴趣参数约束的Hough多椭圆分层检测算法,该算法综合利用边缘图像本身位置信息和曲线段方向信息直接排除非可能目标,从根本上缓解了无效采样及累积问题。依据每段曲线拟合结果对参数空间大大约束,使椭圆五维参数的搜索负担大大降低,也减少了存储空间的占用。针对难以用解析式表达的不规则形状,提出了基于关键特征点决策的广义Hough变换目标定位快速算法以及基于关键特征点引导约束的广义Hough变换两层目标定位算法,利用特征点包含丰富信息且数量不大的特点,解决了传统广义Hough变换检测任意形状对四维参数空间搜索造成计算量、存储量庞大且很难同时保证速度和精度等问题。