Я не впевнений, чи просто ви хочете зіставити два зображення (наприклад, знайти спільні точки), або ви хочете спробувати щось на зразок CBIR (Пошук зображень на основі вмісту - пошук у базі даних із зображенням шаблону, щоб знайти все, що містить об’єкт).
В даний час я провожу дослідження CBIR, тому я досить в курсі сучасних методів. Ось і ось посилання на мої відповіді на проблеми, подібні до вашої з stackoverflow, вам слід поглянути.
Тепер трохи поговорити про SIFT. Якщо вперше був введений Лоу, термін SIFT застосовувався як до процесу виявлення функцій, так і до дескрипторів функцій, обчислених на цих виявлених точках інтересу. До цього дня, просіяти дескриптори виявилися неймовірно дивним. Дескриптори мають деякі цікаві властивості, про які @Totero вже згадувалося.
З іншого боку, метод виявлення SIFT , який сьогодні все більше називають DoG (Різниця гауссів), вже не є найсучаснішим. Він все ще широко застосовується, але для процесу виявлення функцій сьогодні існує більше методів, деякі з яких краще або добре доповнюють типи витяжних ключових точок витягів процесу DoG.
Більшість сучасних статей (перегляньте посилання у пов'язаних питаннях stackoverflow) мають ще одну приємну практику: вони поєднують в собі кілька способів виявлення функцій, а потім використовують дескриптори SIFT (які все ще рок-дескриптори) для обчислення інваріантних векторних уявлень. Зараз я працюю з комбінацією DoG (вони зосереджені на кутоподібних частинах зображень) та регіонів MSER (вони зосереджені на розрізнених точках у вигляді крапок через декілька масштабів). Можливо, ви захочете спробувати і експериментувати і кидати туди ще більше типів детекторів функцій, якщо ви вважаєте, що ця комбінація не задовольняє вашу конкретну базу даних зображень.
Також, якщо вас цікавить, ось документ, який оцінює характеристики різних комбінацій виявлення та дескриптора. Я не читав його, оскільки DoG & MSER + SIFT працює для мене чудово, але я його знежирив, і папір є досить хорошою.
PS: використовуйте вчений google, якщо у вас немає доступу до бази даних IEEEXplore, до якої я пов’язаний.