Los sensores hiperespectrales, a diferencia de los de barrido continuo o escaneo en línea, producen conjuntos de datos hiperespectrales con, en general, mejor geometría pero con bandas espectrales no registradas. Al ser adquiridas en diferentes instantes y debido al movimiento de la plataforma (drones, aviones, etc.), cada banda espectral está desplazada y adquirida con una geometría diferente. El registro automático y preciso de conjuntos de datos hiperespectrales de sensores de cuadro sigue siendo un desafío. Los potentes descriptores de características locales, cuando se calculan sobre el espectro, no logran extraer suficientes correspondencias y completar con éxito el procedimiento de registro. Con este fin, proponemos un marco genérico y automatizado que descompone el problema y permite el cálculo eficiente de una cantidad suficiente de correspondencias precisas sobre el espectro dado, sin utilizar datos auxiliares (por ejemplo, de GPS/IMU). Primero, las bandas espectrales se dividen en grupos espectrales según su longitud de onda. Los bordes espectrales de cada grupo no son estrictos y su formulación permite ciertos solapamientos. La varianza espectral y la proximidad determinan la aplicabilidad de cada banda espectral para actuar como referencia durante el procedimiento de registro. La descomposición propuesta permite que el descriptor y el proceso de estimación robusta proporcionen numerosos inliers. El espacio de búsqueda de posibles soluciones se ha reducido de manera efectiva al clasificar y seleccionar las bandas espectrales óptimas que, de manera no supervisada, pueden recuperar rápidamente la geometría del hipercubo. El enfoque desarrollado ha sido evaluado cualitativa y cuantitativamente con seis conjuntos de datos diferentes obtenidos por sensores de cuadro a bordo de plataformas aéreas y drones. Los resultados experimentales parecen prometedores.