Puede probar multi-scale histogram of oriented gradients. No será totalmente invariable a escala, pero si sus datos están limitados con un conjunto razonable de límites de escala (a menudo el caso en la práctica), entonces esto probablemente funcione para usted.
Otro enfoque, dependiendo totalmente de cuál sea su aplicación prevista, sería apalancar poselets, incluso si están construidos encima de un descriptor no invariable de escala como un histograma simple de gradiente orientado o modelos de apariencia. Si las anotaciones en sus datos de entrenamiento incluyen ejemplos de diferentes elementos para la detección, todos a diferentes escalas, entonces la distancia al estilo de Procrustes utilizada en Poselets para el entrenamiento debería ocuparse de una gran invarianza de escalas. Esto puede no ser satisfactorio, aunque si su aplicación principal no es detección localizada de piezas.
Como un aparte, creo que es bastante desafortunado que SIFT y SURF hayan sido capaces de ser patentados de esta manera, dado que estaban (al menos en parte) financiados con dinero de contribuyentes a través de subvenciones.
Preguntado en [dsp] (http://dsp.stackexchange.com/questions/1288/what-are-some-free-alternatives-to-sift-surf-that-can-be-used-in-commercial -app) también. – Maurits