主题: image registration 图像配准
针对多时段、多视角、多传感器采集的图像，比较两幅图像特征求解对应关系进而进行相互对齐。alignment
主流方法：
1）基于区域的对齐；
2）基于特征的对齐。
本文主要针对方向2进行研究
主流的SIFT特征描述子（及先关改进方法）：
优点：对图像旋转和尺度变化有很强大的鲁棒性
缺点：当图像表面分布发生变化时（如多个时段拍摄的图像，树木河流植被环境光等都会发生变化），误匹配多，有效匹配个数不足、分布不均。
问题：
1）SIFT匹配到大量outliers；
2）SIFT无法检测到足够数目的特征点、或者匹配对，或者inliers的分布非常不均匀。
主要工作
非刚性图像配准 image registration
主要贡献
- 通过预训练的VGG 来提取多尺度特征 （实现：卷积的high-level信息提取+保留一定程度的精细定位信息）
- 点集配准方法
- 使用最可靠的匹配点信息来估计粗略的变换关系，然后通过逐步的对局部的点进行细化，逐步增加inliers剔除outliers
- 点的对应关系通过卷积特征和几何结构信息共同来估计
