介绍一种基于SIFT算法的航拍特征匹配融合实现方法。首先，采用基于区域划分的SIFT特征提取方法，获得多个子区域的具有重叠部分航拍图像，并提取每个子区域的SIFT特征。然后使用FLANN算法进行特征匹配，进一步筛选出准确匹配的特征点对，实现航拍图像的融合。最后在采集的航拍图像数据集上进行实验验证，证明了本方法的有效性和优越性。实验结果表明，本方法在航拍图像拼接中具有很高的自适应性和鲁棒性，在不同场景下具有很好的实用性和应用前景。为基于SIFT算法的航拍图像融合提供了一种新的研究思路和实现方式。

实验部分使用Tensorflow构件一个CNN卷积神经网络，来实现对车辆特征进行识别的目的,并进行多次测试验证所使用算法的高效性。主要工作主要对图像数据集进行预处理，以便于卷积神经网络可以更好的学习到有意义的特征。然后设计一个卷积神经网络结构，包含多个卷积层，池化层和全连接层，以及激活函数和正则化等组件，以便于实现车辆特征的提取和识别。然后使用准备好的数据集，采用梯度下降优化算法来训练卷积神经网络模型，不断调整模型参数，使得模型能够取得最好的提取效果。然后通过训练好的模型进行测试，收集算法在数据集上的表现，验证卷积神经网络在车辆识别任务中的有效性。

针对问题一，首先，从题目所给附件1的材料中，我们提取出乙醇转化率以及C4 烯烃的选择性的百分比，以温度为横坐标，用Matlab分别作出对应每种催化剂的二维曲线图，从而对乙醇转化率以及C4 烯烃的选择性和温度的关系进行了分析。其次，从附件2 的材料中，提取出乙醇转化率以及各种产物的选择性的百分比，同样用Matlab作出以时间为横坐标的二维曲线图，据图分析了350 度时给定的催化剂组合在不同时间影响下的测试结果。 针对问题二，利用附件1中所给的数据，分别对A组和B组不同催化剂组合对乙醇转化率的影响，以及不同催化剂组合对C4烯烃收率的影响，对不同温度作用下每种转化率以及C4烯烃收率所占百分比作为矩阵在Matlab软件上作出三维条形图。 针对问题三，首先，利用附录中C4烯烃收率的计算公式求得每组实验中C4烯烃的收率。采用多元回归分析方法以及插值法在Matlab软件上作出插值后的三维表面图，再根据模型计算得到当C4烯烃收率最高时的催化剂组合和温度。其次，同理排除大于等于350度的实验再用上述方法进行求解。 针对问题四，采用控制变量的方法，对催化剂组合，温度，反应时间进行改进并进一步实验。以达到C4烯烃收率最高为目的，给出最终方案。