65、Hough变换法是根据拟合模型和数据样本对()进行投票。

**解析：** 霍夫变换（Hough Transform）是一种在图像处理和计算机视觉中用于检测任意形状（如直线、圆等）的特征提取技术。其核心思想是将图像空间中的点映射到参数空间中进行累加投票。 具体过程如下： 1. **原理机制**：对于图像空间中的每一个数据样本点（例如边缘点），根据预定义的几何模型（如直线方程 $y = kx + b$ 或极坐标方程 $\rho = x\cos\theta + y\sin\theta$该点可能属于的所有可能的模型实例，会在参数空间中对应的参数组合位置进行“投票”（即累加计数）。 2. **参数空间**：霍夫变换构建的是一个参数空间（Parameter Space），其中的每一个维度对应模型的一个参数。例如，检测直线时，参数空间由斜率和截距（或角度 $\theta$ 和距离 $\rho$）构成。 3. **投票对象**：数据样本点并不直接对“数据样本”本身、“拟合模型”的整体概念或抽象的“对应关系”投票，而是对能够穿过该点的**具体模型参数组合**进行投票。最终，参数空间中得票最高的点（局部最大值）所对应的参数值，即为图像中最显著的形状模型的参数。 因此，霍夫变换法是根据拟合模型和数据样本对**模型参数**进行投票。 故正确答案为 **C**。