在存在異常值、噪聲或缺失點(diǎn)的情況下，損壞的點(diǎn)集中很難區(qū)分異常點(diǎn)與正常點(diǎn)，并且點(diǎn)集之間的匹配關(guān)系也會(huì)受到這些異常點(diǎn)的影響。基于正常點(diǎn)之間存在某種聯(lián)系以及正常點(diǎn)與異常點(diǎn)之間存在差異的先驗(yàn)知識(shí)，提出將點(diǎn)集間匹配關(guān)系的估計(jì)問題模型化為機(jī)器學(xué)習(xí)的過程。首先，考慮到兩個(gè)正常點(diǎn)集之間的誤差特征，提出了一種基于深度信念網(wǎng)絡(luò)（ DBN）的學(xué)習(xí)方法來訓(xùn)練具有正常點(diǎn)集的網(wǎng)絡(luò)；然后，使用訓(xùn)練好的DBN測試損壞的點(diǎn)集，根據(jù)設(shè)置的誤差閾值在網(wǎng)絡(luò)輸出端就可以識(shí)別異常值和不匹配的點(diǎn)。對(duì)存在噪聲和缺失點(diǎn)的2D、3D點(diǎn)集所做的匹配實(shí)驗(yàn)中，利用模型預(yù)測樣本的結(jié)果定量評(píng)估了點(diǎn)集間的匹配性能，其中匹配的精確率可以達(dá)到94qo以上。實(shí)驗(yàn)結(jié)果表明，所提算法可以很好地檢測點(diǎn)集中的噪聲，即使在數(shù)據(jù)缺失的情況下，該算法也可以識(shí)別幾乎所有的匹配點(diǎn)。

　　點(diǎn)集配準(zhǔn)是計(jì)算機(jī)視覺、醫(yī)學(xué)圖像分析、模式識(shí)別和信號(hào)處理的基本和關(guān)鍵問題之一。點(diǎn)集配準(zhǔn)的目標(biāo)是找到兩個(gè)點(diǎn)集之間的正確匹配關(guān)系，并確定出能對(duì)準(zhǔn)它們的空間變換。通常從圖像中提取或由3D掃描儀生成的點(diǎn)集所表示的物體表面，由于測量方法的可變性、實(shí)驗(yàn)誤差、光照變化等因素，不可避免地在圖像采集和特征提取的過程中產(chǎn)生噪聲、異常值和缺失點(diǎn)。因此，點(diǎn)集配準(zhǔn)問題面臨著一些挑戰(zhàn)，最關(guān)鍵的挑戰(zhàn)之一是能否在存在異常值、缺失點(diǎn)和噪聲的情況下建立正確的匹配關(guān)系。