我们研究了标准模型（SM）的经典偶然尺度不变扩展，其中包含三个附加字段，向量le夸克（Vμ），实标量（ϕ）和中性马洛那娜费米子（χ）作为暗物质（DM） 候选人。 标量ϕ（scalon）和马里亚纳费米子χ均为SM标尺群下的单重态，而Vμ在SU（3）c×SU（2）L×U（1）下具有（3，1，2,2 / 3）量子数 是的 Majorana DM通过希格斯（Higgs）和le夸克（leptoquark）门户网站耦合到SM行业。 我们对独立参数进行扫描，以确定与DM遗物密度的Planck数据以及与自旋无关（SI）和自旋无关（SD）的PandaX-II和LUX直接检测极限一致的可行参数空间 DM-核子截面。 该模型通常避开间接检测约束，同时与对撞机数据保持一致。

我们研究经典尺度不变的U（1）'模型中由一阶相变产生的引力波的规范依赖性。 通过包含热恢复功能，可以破坏此类模型中单环有效电势的偶然量表独立性。 恢复后的有效电位中的轨距伪迹会传播到重力波谱，并在特定轨距选择下导致预测结果出现一个数量级的不确定性。

matlab中实现sift算法 sift尺度不变 sift特征点

第一个代码“vijay_ti_1”将提取图像中每个关键点的 SIFT 关键点和描述符向量。 对于此代码，只需要一张输入图像，在执行完整的 SIFT 算法后，它将生成关键点、关键点位置及其方向和描述符向量。 第二个代码 'vijay_ti_2' 将首先生成原始图像的关键点，然后要求用户选择是否要增加图像强度或减少它或更改 sigma(scale) 的值或是否要旋转图像。 因此，转换后的图像将作为第二张图像并计算其关键点和描述符。在最后一步，此代码将给出这两个图像之间匹配的关键点数及其在命令窗口中的百分比。

针对水下双目图像匹配时不再满足空气中极线约束条件以及尺度不变特征变换(SIFT)特征匹配算法处理水下图像误匹配率较高等问题，提出一种基于曲线约束的水下特征匹配算法。对双目摄像机进行标定获取相关参数，再获取参考图和待匹配图；利用SIFT算法对两幅图像进行匹配，同时利用由参考图提取的特征点推导出其在待匹配图上对应的曲线，将该曲线作为约束条件判定待匹配图上对应特征点是否在曲线上，从而剔除误匹配点，以达到提高精度的目的。实验结果表明，该算法优于SIFT算法，可以有效地剔除误匹配点，比SIFT算法匹配精度提高约12%，解决了SIFT算法在水下双目立体匹配中误匹配率高的问题。

尺度不变特征提取 sift——matlab代码

尺度不变特征变换 SIFT算法 Matlab程序代码.doc

尺度不变特征变化图像匹配siftFlow 能够直接运行

Sift尺度不变特征变换（Scale-invariant feature transform）图像特征提取，Step1：构建金字塔模型-对于各组图像而言，不同层采用不同高斯核函数进行滤波模糊化，各组所用sigma相同。Step2：高斯差分模型，两个高斯模型的差。Step3：计算关键节点。Step4：关键点定位---相位信息。Step5：关键点特征。

sift的简单代码，opencv2.4.9+vs2012