第1章 绪论 1
1.1引言 1
1.2点集匹配问题的定义、分类与难点 2
1.2.1点集匹配问题的定义 2
1.2.2点集匹配问题的分类 2
1.2.3点集匹配问题的应用与研究难点 3
1.3点集匹配算法的基本框架 5
1.3.1特征提取 6
1.3.2特征描述 8
1.3.3特征匹配 9
1.3.4点集匹配技术的发展趋势 17
1.4本章小结 18
第2章 基于向量场一致性的图像特征点匹配算法研究 19
2.1引言 19
2.2正则化理论与向量场插值 21
2.2.1正则化 22
2.2.2向量值再生核Hilbert空间 22
2.2.3Tikhonov正则化与表示定理 24
2.3向量场一致性算法 25
2.3.1问题的建模 25
2.3.2问题的求解——EM算法 26
2.3.3收敛性分析 29
2.4基于稀疏近似的快速算法 29
2.4.1基于低秩矩阵近似的快速实现——FastVFC 30
2.4.2基于稀疏近似的快速实现——SparseVFC 30
2.4.3算法稀疏近似的误差界 32
2.4.4计算复杂度分析 34
2.5基于向量场一致性的图像特征点匹配 34
2.5.1点匹配到向量场的转化 35
2.5.2矩阵核的选择 35
2.5.3算法的适用性：刚性与非刚性运动 35
2.5.4算法推广：参数模型 36
2.5.5算法推广：分层运动混合模型 37
2.5.6算法推广：层次匹配模型 38
2.5.7算法的实现细节 41
2.6实验结果 42
2.6.1包含离群点的向量场插值 42
2.6.2二维图像的特征点匹配 46
2.6.3层次匹配模型算法结果 53
2.6.4三维图像的特征点匹配 56
2.7本章小结 58
第3章 基于局部线性迁移的图像特征点匹配算法研究 60
3.1引言 60
3.2基于局部线性迁移的统一理论模型 60
3.2.1问题的公式化 60
3.2.2局部几何约束 62
3.2.3刚性特征匹配 64
3.2.4仿射特征匹配 66
3.2.5非刚性特征匹配 67
3.2.6计算复杂度分析 68
3.2.7算法实现细节 70
3.3实验结果与分析 70
3.3.1测试数据集与实验配置 70
3.3.2定性实验结果与分析 71
3.3.3定量实验结果与分析 72
3.3.4鲁棒性测试 74
3.4本章小结 75
第4章 基于L2E估计子的非刚性点集配准与图像配准算法研究 77
4.1引言 77
4.2基于L2E的鲁棒点匹配算法（RPM-L2E） 79
4.2.1基于L2E的问题的建模 79
4.2.2变换函数的估计 83
4.2.3计算复杂度分析 83
4.2.4算法的实现细节 84
4.3RPM-L2E在非刚性稀疏点集对应中的应用 84
4.3.1非刚性点集配准 84
4.3.2非刚性图像特征点匹配 85
4.4基于流形正则化约束的非刚性点集配准算法（MR-RPM） 86
4.5RPM-L2E在非刚性稠密点集对应中的应用 88
4.5.1问题的建模 88
4.5.2问题的求解 89
4.5.3算法的实现细节 90
4.6基于移动正则化最小二乘的非刚性图像变形算法（MRLS） 91
4.6.1问题的建模 91
4.6.2问题的闭合解 92
4.6.3计算复杂度分析 93
4.7实验结果 94
4.7.1非刚性点集配准的结果 94
4.7.2非刚性图像特征点匹配的结果 97
4.7.3非刚性图像变形的结果 100
4.7.4非刚性图像配准的结果 101
4.8本章小结 106
第5章 基于保持全局与局部结构特征的点集配准算法研究 107
5.1引言 107
5.2点集配准与高斯混合模型 108
5.3保持全局与局部结构特征的点集配准算法（PR-GLS） 108
5.3.1问题的建模 109
5.3.2问题的求解——EM算法 109
5.3.3基于稀疏近似的加速算法 111
5.3.4算法的实现细节 112
5.4相关的非刚性点集配准算法 112
5.5实验结果 113
5.5.1二维形状非刚性配准的结果 113
5.5.2三维形状非刚性配准的结果 116
5.5.3非刚性图像特征点匹配的结果 117
5.6本章小结 119
第6章 基于正则化高斯场的多源图像非刚性配准算法研究 120
6.1引言 120
6.2高斯场准则 121
6.3用于非刚性配准的正则化高斯场准则 124
6.3.1问题的公式化 124
6.3.2模型优化求解 126
6.3.3基于稀疏近似的快速实现 127
6.3.4算法复杂度分析 128
6.3.5热红外和可见光人脸图像配准的应用 129
6.3.6算法实现细节 129
6.4实验结果与分析 129
6.4.1人脸地标点配准 130
6.4.2真实人脸图像配准 133
6.5本章小结 136
参考文献 138