我們擴充了一般性的鬆弛法一些特性：一、在affine轉換下的不變性；二、處理有不完整物形及多重物形的能力；三、一個兩階段式的策略，用來同時增進對應的一致性與正確性；四、分割與合併的機制，主要的目的是可以減少計算的複雜度。
主要的應用是從景緻的影像中，找出模組中與之對應的物件。本文的策略允許景緻中的物件有放大、縮小、旋轉等等特性。在比對的時候，我們只取用局部性的特徵元件，而這些特徵本身與放大、縮小、旋轉等特性無關。在前面章節所提到的鬆弛法裡，我們需要對這些元件定義兩種參數：單一與二元的屬性。本文採用線段與轉角當我們的組成元件，單一的屬性包括轉角的角度與轉角兩邊的長度比例，而二元的屬性包括兩個轉角之間的距離比與延伸角。
會提出兩階段式的程序的原因是來自於婚配理論，只有男女雙方彼此間都相愛的時候才會使婚姻幸福，兩階段式的程序同時改善了對應的數目與對應的正確性。在第一階段中，本文從模組的眼光來看景緻，尋找景緻中與之對應的元件，接著，在第二階段中，本文從景緻的眼光來看模組，尋找模組中與之對應的元件；在這兩個階段中同時都對應到的元件稱之為強對應，而稱呼都沒對應到的元件為弱對應。遞迴的程序一直進行到弱對應所組成的集合不再改變為止。
引入分割與合併的機制是為了降低鬆弛法本身的複雜度。由於鬆馳法所處理的物件個數對複雜度有爆炸性的影響，在加上各個元件之間會有互相獨立的特性存在，因此本文增加了一個比較有彈性的方式，把物形的元件分割成互相獨立的集合，然後對這些集合分別用本文所提的鬆馳法加以處理。舉例來說，把轉角分割成凹角所構成的集合與凸角所構成的集合，就如我們知道的，物形的凹角不會對應到另一物形的凸角。對於本文所提的分割機制，有的時候各個集合之間的元件不會互相獨立，此時會造成最後結果的整合，而本文也提供一個機制，用來處理這種問題，而此機制稱為模糊的分割與合併機制。
實驗結果顯示我們的理論的正確性與效率均達到一定的水準，足以將結果用在對影像做進一步的處理。

We endow general structural relaxation schemes with a number of novel features: (a) the capability of invariance under affine transformations (including rotation, translation, and scaling), (b) the competence of handling multiple objects with incomplete shapes, (c) a two-way framework in which both consistency and correctness of feature mapping are improved, and (d) a fuzzy split-and-merge mechanism that significantly reduces the computational complexity. Experimental results have revealed the robustness and efficiency of the proposed scheme in dealing with multiple-object scences. The outcomes of the algorithm are good enough for being used in the task of high level fearture matching in object recognition.
Index Terms-Structural relaxation scheme, Affine transformation, Mutual occlusion, Two-way relaxation, Fuzzy split-and-merge contraption, Subtended angles