Si potrebbe provare multi-scale histogram of oriented gradients. Non sarà completamente invariante, ma se i tuoi dati sono vincolati da un ragionevole insieme di limiti di scala (spesso nella pratica), allora questo probabilmente può funzionare per te.
Un altro approccio, che dipende totalmente dall'applicazione desiderata, consiste nel fare leva su poselets, anche se sono costruiti sopra un descrittore non scalare-invariante come un semplice istogramma di gradiente orientato o modelli di aspetto. Se le annotazioni nei dati di addestramento includono esempi di elementi diversi per il rilevamento tutti su scale diverse, la distanza in stile Procrustes utilizzata in Poselet per l'allenamento dovrebbe occuparsi di molta invarianza di scala. Questo potrebbe non essere soddisfacente anche se la tua applicazione principale non è il rilevamento localizzato di parti.
Per inciso, penso che sia piuttosto spiacevole che SIFT e SURF fossero in grado di essere brevettati in questo modo, dato che erano (almeno in parte) finanziati con i dollari dei contribuenti attraverso sovvenzioni.
Chiesto su [dsp] (http://dsp.stackexchange.com/questions/1288/what-are-some-free-alternatives-to-sift-surf-that-can-be-used-in-commercial -app) pure. – Maurits