یکی از مراحل تطبیق تصاویر در پردازش تصویر مرحله تخمین تابع تبدیل است. به عبارت دیگر در این مرحله باید تحت تبدیلی مناسب تصویر متحرک با تصویر ثابت تطبیق پیدا کند. در این پروژه فرض شده است که دو مجموعه نقاط مربوط به فضای سه بعدی می باشند و تحت تبدیل صلبی (جابجایی و چرخش) قرار گرفته اند. با توجه به حجم بالای تصاویر و همچنین مدل فرایند که تابعی غیر خطی از بردار حالت (ترکیب جابجایی و چرخش) می باشد، استفاده از یک تخمین گر مانند فیلتر کالمن جزیی برای پیدا کردن یک راه حل مناسب برای دستیابی به تبدیلی که با بیشترین میزان دقت جفت نقاط تطبیق را در دو مجموعه دیتا بر هم منطبق کند، ضروری می باشد. در این راستا در این پروژه عملکرد الگوریتم تخمین تبدیل با استفاده از فیلتر کالمن جزیی (ukf) برای تطبیق تصاویر نقطه ای در فضای 3 بعدی بررسی شده است. این الگوریتم(ukf) برای حالتی که جفت نقاط تطبیق در دو تصویر مشخص است عملکرد بهینه داشته، اما برای حالتی که جفت نقاط تطبیق مشخص نیست تنها زمانی که پارامتر های جابجایی و چرخشی تابع تبدیل کمتر از 10 میلی متر و10 درجه می باشد، جواب قابل قبولی دارد. عملکرد الگوریتم(ukf) برای حالتی که میزان چرخش مقادیر بالاتر از 10 درجه دارد، به شدت افت می کند. در این پروژه برای بهبود الگوریتمukf، حساسیت الگوریتم نسبت به پارامترهایی مانند ترتیب نقاط و انتخاب بردار حالت تبدیل اولیه بررسی شده است و نشان داده شده است درصورتیکه بردار حالت تبدیل اولیه به تبدیل مورد نظر نزدیک نباشد برای حالت تبدیلات با مقادیر بالا، الگوریتمukf واگرا می شود. لذا در این پروژه الگوریتم بهینه فیلتر کالمن جزیی توسعه یافته (eukf) پیشنهاد شده است که در آن با استفاده از روش پیش تخمین نقاط ضعف الگوریتم ukf بطور موثر برطرف گردیده است. الگوریتم پیشنهادی eukf دارای دقت زیاد و زمان محاسبات کم می باشد و بعلاوه برخلاف محدودیت الگوریتم ukf در تخمین تبدیلات بزرگ، این الگوریتم پیشنهادی قادر است بدون هیچ محدودیتی تبدیلات به هر میزان را در تطبیق نقطه ای اجسام صلبی با دقت بالا و زمان کم تخمین بزند.