基于贝叶斯学生t分布混合的稳健点集匹配

针对点集匹配中异常值的干扰问题, 提出了一种基于贝叶斯学生t分布混合模型(SMM)的稳健仿射点集匹配方法。在贝叶斯框架下, 该算法将点集匹配问题模型化为利用SMM进行概率密度估计的问题。通过引入模型参数的近似变分后验分布, 目标函数转化为最大化完全数据对数似然的变分下界, 利用变分贝叶斯期望最大化(VBEM)算法迭代估计模型参数的变分后验分布。对于学生t分布的自由度参数, 通过最大化完全数据的对数似然进行迭代更新, 并利用斯特林公式近似计算。通过模拟点集和光学遥感图像的配准实验, 验证了该方法的有效性。