在这项工作中，我们研究了标准模型的经典尺度不变扩展，它可以同时解释宇宙中的暗物质和重子不对称性。 在我们的设置中，我们引入了一个暗区，即通过Higgs门户与SM耦合的非阿贝尔SU（2）隐藏区，以及一个单线区，负责为三个右手无菌中微子产生马约拉纳质量。 暗区的规范玻色子是质量退化且稳定的，因此使其适合用作暗物质候选物。 我们的模型还考虑了物质反物质的不对称性。 轻子风味不对称是在违反GeV级右旋中微子的CP振荡期间产生的，并通过电弱的shalperons转换为重子不对称。 该模型中的所有特征尺度：电弱，暗物质和瘦素形成/中微子质量尺度都是辐射产生的，具有共同的起源，并且通过扰动理论中的标量场耦合而相互关联。

强子散射中违反分解的影响主要是由于观众与观众之间的相互作用。 虽然众所周知，这些交互作用在包括横截面在内都相互抵消，例如对于Drell-Yan过程，但是对于违反哪种类型的可观测因子分解却知之甚少。 我们表明，对于纯Glauber梯形图，对于任何可观察到的单尺度（例如强子性横向能量或束推力），所有振幅级因式分解违背效应在截面水平上都完全抵消。 该结果证明了先前的主张，即这些纯Glauber图违反了因式分解法。 我们的证明以一种必不可少的方式利用了两到两个散射幅度的尺度不变性。 因此，主要的违反分解的效果来自具有至少一个软胶子的图形，其中涉及Glauber阶梯上的Lipatov顶点。 这意味着真正的软辐射必须参与因式分解违规，从而阐明因因式分解违规与基础事件之间的联系。

基于局部特征提取方法是图像处理、分析及模式识别领域的热点研究问题之一。由于该技术有着广泛的应用前景，已经吸引了很多学者的关注，并涌现出了大量的研究成果。利用 SIFT 算法提取出的特征点进行图像匹配，对于图像的模糊、旋转、平移和尺度变换具有很强的鲁棒性，甚至对图像光照和视点变化具有一定的鲁棒性。本文主要研究了基于 SIFT 局部图像特征点提取算法。首先对特征点提取的原理进行了详细研究，针对SIFT算法原理分模块进行了研究；然后本文对SIFT特征点在图像匹配和图像拼接领域的应用进行了讨论；最后，为了验证本文算法的有效性和优越性，本文进行了仿真实验实验。实验结果表明，SIFT特征点在图像匹配和图像拼接领域具有极强的适应性。当图像之间存在一定的图像旋转、光照变化和视点变化时，仍然具有满意的匹配效果。

sift特征在基于内容的图像相似性检索中应用的实现，尺度不变性，旋转不变性程序实现的核心代码，可以直接运行

Harris是一种高效的角点检测算法，但不具备尺度不变性。SURF（speeded-up robust features）算法虽然能很好地解决图像尺度变化问题，但是在特征点提取方面没有Harris稳定。针对Harris和SURF两种算法的特点，提出一种新的Harris-SURF特征点提取算法。首先用Harris算法检测图像角点，再用SURF算法提取图像特征点；然后合并角点和特征点，并剔除重复点获得新的特征点集，确定新特征点的主方向并生成特征描述符，再对图像使用比值法进行初匹配；最后利用RANSAC剔除错误匹配点实现精确匹配。实验结果表明，该算法对图像存在旋转、缩放、光照及噪声变化有较强的鲁棒性，同时提高了运行效率。

用Matlab编写的代码框架，用于图像配准实验(内附有详细使用说明)

本文提出了一种从图像中提取独特不变特征的方法，可用于完成不同视角之间目标或场景的可靠匹配的方法。这种特点对图像的尺度和旋转具有不变性。并跨越很大范围的对仿射变换，三维视点的变化，添加的噪音和光照变化的图像匹配具有鲁棒性。特征是非常鲜明的，场景中的一个单一特征和一个许多图像的大型特征数据库也有很高的概率进行正确匹配。本文还介绍了一个使用该功能来识别目标的方法。通过将个别特征与由已知目标特征组成的数据库进行快速最近邻算法的匹配，然后使用Hough变换来识别属于单一目标的聚类（clusters），最后通过最小二乘解执行一致的姿态参数的核查确认。这种识别方法可以在有力确定对象之间的聚类和遮挡的同时实现近实时性能。