SIFT算法是目前特征匹配研究领域的热点，因为它具有良好的尺度、旋转、光照等不变特性而应用于图像匹配中，但其算法复杂、计算时间长。在分析SIFT特征向量生成过程的基础上，提出一种降低SIFT匹配过程中相似性度量计算代价的方法以提高SIFT特征匹配效率。该方法以街区距离和棋盘距离的线性组合距离代替欧氏距离作为特征描述符之间的相似性度量，同时根据部分特征的计算结果逐步减少参与计算的特征点。实验结果表明：该方法在保持鲁棒性的同时，可以降低时间复杂度，提高图像匹配的效率。

传统的文字识别中,文字分割的计算量大,使文字识别速度慢.mean shift算法利用直方图描述和寻找分割区域,算法简单且具有很好的鲁棒性.改进后的mean shift算法,利用字符串间的距离信息及完整字符串经过屏幕所需的时间信息进行预测位置,减少了迭代次数,因此运算速度快,可实时进行跟踪字符串和连续分割.实验结果表明：该算法可以对连续的字符串进行稳定、实时的文字分割.