Die Merkmalsgestützte Bildzuordnung ist ein wichtiger Schritt für viele photogrammetrische Anwendungen wie Bildregistrierung und 3D‐Rekonstruktion. In diesem Beitrag schlagen wir eine neuartige und robuste Merkmalsgestützte Bildzuordnungsmethode auf der Grundlage eines normalisierten Baryzentrischen Koordinatensystems (NBCS) vor, das einem kartesischen Koordinatensystem für diese Aufgabe überlegen ist. Zunächst wird eine skaleninvariante Merkmalstransformation (SIFT) durchgeführt, um erste Zuordnungen zu liefern, die sowohl korrekte Zuordnungen als auch falsche Zuordnungen (Ausreißer) enthalten. Dann wird auf die Modellschätzung von kontaminierten Beobachtungen (Übereinstimmungen mit Ausreißern) fokussiert. Es wird ein affin‐invariantes Koordinatensystem namens NBCS auf der Grundlage von Verhältnissen von Bereichen eingeführt. Zwei homologe Merkmalspunkte einer korrekten Übereinstimmung haben die gleichen Koordinaten im NBCS Koordinatensystem, während falsche Korrespondenzen diese Eigenschaft nicht besitzen. Dieses Prinzip wird in eine Hypothesen‐und‐Verifizierungs‐Struktur eingebaut. Die vorgeschlagene Methode ist robust, effizient und effektiv. Umfangreiche Experimente an realen Bildpaaren zeigen, dass die vorgeschlagene Methode sechs andere, moderne Ansätze deutlich übertrifft. Der gesamte Quellcode und der Datensatz, der in diesem Beitrag verwendet wird, sind öffentlich zugänglich.