点集配准是图像处理和计算机视觉领域中的一个热点和重点方向,在医学图像分析、目标识别与跟踪等方面都有重要的应用价值。点集配准的目标是恢复从模板点集到目标点集的空间变换,使两点集对齐。过程主要分为两步,即确定对应关系和求解空间变换。二者互为前提,交替迭代,直至完成配准任务。由于点集中非刚性形变、噪声、离群点、旋转等干扰因素的存在,导致点集配准算法的精度和效率均受到一定制约。本文以概率模型匹配方法作为基本框架,研究并提出了稳健性更强、效率更高的点集配准算法。主要工作如下:1.离群点的存在不仅会加大寻找准确的对应关系的难度,使配准误差增大,而且增加了算法的计算量。本文提出了一种基于多尺度滑动窗口的稳健点集配准算法。第一,对模板点集做不同比例的缩放构造多尺度滑窗,二维和三维点集分别构造矩形窗和长方体窗。第二,用滑动窗口以等距步长遍历目标点集,计算重叠区域点集间的豪斯多夫距离,定位并分割出相似度最高的目标子集,使两目标对象的空间位置尽可能接近,同时筛掉大部分离群点,为后续的精配准任务提供良好的初始条件。实验结果表明该算法在点集存在大量外点干扰时稳健性较强。2.针对相干点漂移算法（Coherent Point Drift,CPD）无法处理大角度旋转这一缺陷,本文采用从刚性到非刚性、从粗到细的匹配策略,提出了一种基于外轮廓粗匹配的稳健点集配准算法。首先构建点集的最小体积覆盖椭球模型,求解该凸优化问题确定椭圆或椭球的外部形态与空间位置,并根据对应的主轴向量计算两椭圆或椭球的夹角,求出使两者“对齐”的旋转矩阵和平移向量。然后对模板点集进行相应的刚性变换,使两点集中目标对象的方向尽量保持一致,为CPD算法提供一个较优的初始参数。实验结果表明该算法可以处理大角度旋转这类退化问题,提高了配准精度。3.由于图像变换的复杂性,仅依赖一种特征很难达到理想的配准效果,传统的点集配准算法仅考虑了两点集间的全局距离来确定对应概率矩阵,忽略了各点与本点集中其余点的关系。本文提出了一种联合特征与空间信息的快速点集配准算法。首先构建了一种简单的基于各向异性高斯核的特征描述子,充分挖掘点集自身的结构特征。通过融合点的空间位置信息和基于各向异性高斯核获得的特征信息快速地评估更为准确的对应关系。该方法在特征描述能力与时间上找到一个较佳的平衡点,在保证配准精度的同时大大提高了算法的收敛速度,缩短了配准时间,有效提升了配准效率。