Какой в ​​настоящее время считается лучшим алгоритмом для двумерного сопоставления точек?

Если вас интересует сопоставление звезд, ознакомьтесь с решателем слепой астрометрии Astrometry.net и здесь. Они используют четырехточечные квадроциклы для определения звездных конфигураций на фотографиях ночного неба Flickr. Посмотрите это интервью.

Для этого не существует единого «лучшего» алгоритма. Существует множество различных методов, и каждый из них лучше других работает с определенными наборами данных и типами данных.

Я бы порекомендовал вам прочитать это введение в регистрацию изображений из учебные пособия по Insight Toolkit. ITK поддерживает МНОГИЕ типы регистрации изображений (именно это похоже на то, что вы пытаетесь сделать), и во многих случаях очень надежен. Большинство их пользователей работают в сфере медицины, поэтому вам придется разбираться в большом количестве медицинского жаргона, но алгоритмы и код работают с любым типом изображения (включая 1-, 2-, 3- и n-мерные изображения разных размеров). виды и др.).

Вы можете рассмотреть возможность применения вашего алгоритма сначала только к N самым ярким звездам, а затем постепенно включать остальные, чтобы уточнить результат, одновременно уменьшая диапазон поиска.

Использование RANSAC для устойчивости к дополнительным баллам также очень распространено.

Я не уверен, что это сработает, но стоит попробовать:

Для каждой звезды выполните преобразование Фурье кругового луча с центром вокруг нее всех остальных звезд (примечание: это не стандартное преобразование Фурье, которое представляет собой линию, умноженную на линию). Фазовое пространство окружности, умноженной на луч, равно целому числу, умноженному на прямую, но поскольку у нас есть только конечная точность, вы просто получаете матрицу; размеры матрицы зависят от точности. Теперь попробуйте соединить матрицы друг с другом (например, используя норму L_2)

Некоторое время назад я видел передачу по телевизору о том, как исследователи фотографировали китов и использовали пятна на них (уникальные для каждого кита), чтобы идентифицировать каждого кита. Он использовал углы между пятнами. При использовании углов не имело значения, было ли изображение повернуто, масштабировано или переведено. Это похоже на то, что вы делаете со своими треугольниками.

Я думаю, что «лучшим» (наиболее техническим) способом было бы преобразование Фурье исходного изображения и нового линейно модифицированного изображения. Выполнив простую фильтрацию, вы сможете легко определить ориентацию и масштаб вашего изображения по отношению к старому. Описание второго преобразования Фурье приведено здесь.