Saya tidak yakin apakah Anda hanya ingin mencocokkan dua gambar (mis. Menemukan titik-titik umum), atau Anda ingin mencoba sesuatu seperti CBIR (Pengambilan gambar berbasis konten - mencari basis data dengan gambar templat untuk menemukan semua yang mengandung obyek).
Saat ini saya sedang melakukan penelitian CBIR, jadi saya cukup up-to-date dengan metode saat ini. Di sini dan di sini adalah tautan ke jawaban saya untuk masalah yang serupa dengan Anda dari stackoverflow, Anda harus melihatnya.
Sekarang, untuk berbicara tentang SIFT sedikit. Ketika jika pertama kali diperkenalkan oleh Lowe, istilah SIFT diterapkan baik untuk proses deteksi fitur maupun deskriptor fitur yang dihitung pada poin minat yang terdeteksi. Hingga hari ini, deskriptor SIFT telah terbukti sangat luar biasa. Deskriptor memiliki beberapa properti keren yang @Totero telah sebutkan.
Metode deteksi SIFT , di sisi lain, yang saat ini lebih dan lebih disebut sebagai DoG (Perbedaan Gaussians), tidak lagi mutakhir. Ini masih banyak digunakan, tetapi untuk proses pendeteksian fitur, ada lebih banyak metode saat ini, beberapa di antaranya lebih baik atau lebih baik melengkapi jenis-jenis keypoint ekstrak proses DoG yang invarian.
Sebagian besar makalah saat ini (lihat tautan dalam pertanyaan stackoverflow) memiliki satu praktik lagi yang bagus: mereka menggabungkan beberapa cara mendeteksi fitur, dan kemudian menggunakan deskriptor SIFT (yang masih bergejolak sebagai deskriptor) untuk menghitung representasi vektor invarian. Saat ini saya sedang bekerja dengan kombinasi DoG (mereka fokus pada bagian-bagian gambar seperti sudut) dan wilayah MSER (mereka fokus pada titik-titik berbeda seperti gumpalan melalui beberapa skala). Anda mungkin ingin mencoba dan bereksperimen dan melempar lebih banyak lagi fitur pendeteksi di sana, jika Anda menemukan kombinasi ini tidak memuaskan pada basis data gambar khusus Anda.
Juga, jika Anda tertarik, berikut adalah makalah yang mengevaluasi dalm kombinasi deteksi dan deskriptor yang berbeda. Saya belum membacanya sejak DoG & MSER + SIFT berfungsi dengan baik untuk saya, tetapi saya telah membaca skimnya dan makalahnya cukup bagus.
PS: gunakan google scholar jika Anda tidak memiliki akses ke database IEEEXplore yang saya tautkan.