内容简介
点集匹配是计算机视觉与模式识别领域一个基础而关键的问题，其目标在于寻找给定两组点集之间的点点对应关系。点集匹配技术在立体视觉匹配、目标识别与跟踪、医学图像分析、遥感图像处理等方面都有广泛应用，是目前各领域关注和研究的热点。点集匹配本质上是一个NPC复杂组合优化问题，计算量非常大，且由于噪声、离群点和非刚性形变的存在，常造成点集匹配结果的性能大幅下降，严重制约了其工程使用。因此，研究普适高效、鲁棒性更强的点集匹配算法具有重要的理论意义和实用价值。为了有效处理噪声、离群点和非刚性形变等对点集匹配算法性能的影响，本书着手于研究更为普适高效鲁棒的点集匹配算法。为此，本书基于非参数模型提出了一系列新算法，并将其应用于图像特征点匹配、非刚性点集配准以及非刚性图像配准等问题，且取得了良好的实验效果。
