1) fast dynamic Hough transform
快速动态Hough变换
1.
A fast dynamic Hough transform which is used for line detection is proposed.
本文提出了用于直线检测的快速动态Hough变换。
2) fuzzy fast Hough transform
模糊快速Hough变换
1.
After analysis on the appearance reasons of the cracks and their characteristics,an automatic recognition method for surface cracks is proposed based on a localization-recognition model and a novel fuzzy fast Hough transform is presented to detect the circular contour to locate the aperture.
在实验中,对比了模糊快速Hough变换、标准Hough变换和随机Hough变换检测盘孔边界的效果,结果表明模糊快速Hough变换可以快速准确地识别出圆形边界,并对盘孔进行定位。
3) Hough transform
Hough变换
1.
Computing Road Line Type Parameters with Hough Transform and Robust Estimation;
利用Hough变换和稳健估计计算道路线形参数
2.
Exterior parameter estimation for aerial camera based on Hough transform;
应用Hough变换的炮射航空摄像机外参数估计方法
3.
Application study of Hough Transform when image array straight line is extracted and mating;
图像序列直线提取和匹配时Hough变换的应用研究
5) Hough transformation
Hough变换
1.
Extraction of symbol line-features based on improved Hough transformation;
基于改进Hough变换的符号线段特征提取
2.
Semi-automated extraction from aerial image using improved Hough transformation;
基于Hough变换的航空影像建筑物半自动提取
3.
Real-time HOUGH transformation detection for dynamic line edge and its application in the flow measurement;
动态线边缘实时HOUGH变换检测及其在测流中的应用
6) Hough-Ambiguity transformation
Hough-Ambiguity变换
1.
In this paper, the problem of radial acceleration estimation in one pulse was dealt with based on Hough-Ambiguity transformation, and then acceleration was estimated.
根据雷达发射恒定载频信号时匀加速目标的回波为线性调频(LFM)信号的特点,研究了在单脉冲内基于Hough-Ambiguity变换(HAT)估计目标径向加速度的问题。
补充资料：快速傅立叶变换
快速傅氏变换 英文名是fast fourier transform
快速傅氏变换（fft）是离散傅氏变换(dft)的快速算法，它是根据离散傅氏变换的奇、偶、虚、实等特性，对离散傅立叶变换的算法进行改进获得的。它对傅氏变换的理论并没有新的发现，但是对于在计算机系统或者说数字系统中应用离散傅立叶变换，可以说是进了一大步。
设x(n)为n项的复数序列，由dft变换，任一x（m）的计算都需要n次复数乘法和n-1次复数加法，而一次复数乘法等于四次实数乘法和两次实数加法，一次复数加法等于两次实数加法，即使把一次复数乘法和一次复数加法定义成一次“运算”（四次实数乘法和四次实数加法），那么求出n项复数序列的x（m）,即n点dft变换大约就需要n2次运算。当n=1024点甚至更多的时候，需要n2=1048576次运算，在fft中，利用wn的周期性和对称性，把一个n项序列（设n=2k,k为正整数），分为两个n/2项的子序列，每个n/2点dft变换需要（n/2）2次运算，再用n次运算把两个n/2点的dft变换组合成一个n点的dft变换。这样变换以后，总的运算次数就变成n+2（n/2）2=n+n2/2。继续上面的例子，n=1024时，总的运算次数就变成了525312次，节省了大约50%的运算量。而如果我们将这种“一分为二”的思想不断进行下去，直到分成两两一组的dft运算单元，那么n点的dft变换就只需要nlog2n次的运算，n在1024点时，运算量仅有10240次，是先前的直接算法的1%，点数越多，运算量的节约就越大，这就是fft的优越性。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条