SIFT 和 SURF 作者都需要支付许可费才能使用他们的原始算法。

我已经对这种情况进行了一些研究，以下是可能的替代方案：

关键点检测器：

• 哈里斯角检测器
• Harris-Laplace - Harris 检测器的尺度不变版本（也存在仿射不变版本，由 Mikolajczyk 和 Schmidt 提出，我相信也是无专利的）。
• Multi-Scale Oriented Patches (MOPs) - 虽然它是专利，但检测器基本上是多尺度 Harris，所以不会有问题（描述符是 2D 小波变换图像块）
• LoG 过滤器 - 由于获得专利的 SIFT 使用 LoG（高斯的拉普拉斯算子）的 DoG（高斯差分）近似来定位尺度上的兴趣点，因此 LoG 可以单独用于修改后的无专利算法，实现起来可能会慢一点
• 快速地
• BRISK（包括描述符）
• ORB（包括描述符）
• KAZE - 免费使用，M-SURF 描述符（针对 KAZE 的非线性尺度空间进行了修改），优于 SIFT 和 SURF
• A-KAZE - KAZE 的加速版，免费使用，M-LDB 描述符（修改后的快速二进制描述符）

关键点描述符：

• 归一化梯度 - 简单、有效的解决方案
• PCA 转换图像补丁
• 小波变换图像补丁 - 详细信息在 MOPs 论文中给出，但可以不同地实现以避免专利问题（例如使用不同的小波基或不同的索引方案）
• 定向梯度直方图
• GLOH
• LESH
• 轻快
• 宝珠
• 怪物
• 发展局

请注意，如果您为兴趣点指定方向并相应地旋转图像补丁，您将免费获得旋转不变性。甚至哈里斯角也是旋转不变的，描述符也可以如此。

一些更完整的解决方案是在 Hugin 中完成的，因为他们也在努力拥有一个无专利的兴趣点检测器。

有一种相对较新的方法，您可能想研究一下： BRISK，Binary Robust Invariant Scalable Keypoints：

在本文中，我们提出了 BRISK，一种用于关键点检测、描述和匹配的新方法。对基准数据集的全面评估揭示了 BRISK 在最先进算法中的自适应、高质量性能，尽管计算成本显着降低（在某些情况下比 SURF 快一个数量级）。速度的关键在于应用一种新颖的基于尺度空间 FAST 的检测器，并结合从通过每个关键点邻域的专用采样检索到的强度比较中组装位串描述符。

它是无专利且免费使用的（正如算法作者所说的那样）。

不要相信这里的任何人，和律师谈谈。可以说，法律世界与我们的世界略有不同。根据您确切想要做什么（以及在哪里等），可能会有一个解决方案，您可以使用 SURF 或 SIFT。过去，我很惊讶看似强大的许可证可以被克服。

我宁愿研究 KAZE / AKAZE，它们在显着加速的情况下表现同样出色。变形情况也是可以容忍的。OpenCV 最近通过 GSoC 2014 获得了一个实现。你可以在这里找到它。它的 OpenCV 教程也在这里。