sift創始人的代碼：David Lowe's SIFT code:
http://www.cs.ubc.ca/~lowe/keypoints
美國加州大學洛杉磯分校（University of California at Los Angeles) Andrea Vedaldi 博士研究生給出的基於David Lowe 發表的論文給利用Matlab和C語言混合編程給出的Sift detector and descriptor的實現過程。
http://vision.ucla.edu/~vedaldi/
詳見http://hi.baidu.com/super_lw/blog/item/43357fc76a6e231e9c163d07.html
貌似很豐富
不過更易用的似乎是Rob Hess維護的sift 庫：
http://blogs.oregonstate.edu/hess/code/sift/
但在使用rob代碼的時候發現其非關鍵代碼中的一個錯誤，而且他的代碼只適於做驗證，我做了一些小小的改變，使之可以更為方便的使用，可以再命令行下輸入圖片，並保存結果為圖片和文本。文件名是被硬編碼進去的
下載地址：http://download.csdn.net/source/2962313
牛津視覺幾何研究組
Visual Geometry Group at Oxford
http://www.robots.ox.ac.uk:5000/~vgg/research/affine/index.html
------------------------------------------------------------------------------------------------------------------------------------
這里要感謝David Lowe這個大牛，不但提供了一種強悍的特征匹配算法，還給出了C++的實現代碼，從軟件開發的角度來說，只要會使用其中幾個比較重要的函數
關鍵函數一：
int sift_features( IplImage* img, struct feature** feat )
這個函數就是用來提取圖像中的特征向量。參數img為一個指向IplImage數據類型的指針，用來表示需要進行特征提取的圖像。IplImage是opencv庫定義的圖像基本類型（關於opencv是一個著名的圖像處理類庫，詳細的介紹可以參見http://www.opencv.org.cn）。參數feat 是一個數組指針，用來存儲圖像的特征向量。函數調用成功將返回特征向量的數目，否則返回-1.
關鍵函數二：
int _sift_features( IplImage* img, struct feature** feat, int intvls,double sigma, double contr_thr, int curv_thr, int img_dbl, int descr_width, int descr_hist_bins )
這個函數是函數一的重載，作用是一樣的，實際上函數一只不過是使用默認參數調用了函數二，核心的代碼都是在函數二中實現的。下面將詳細介紹一下其他的幾個參數。
intvls: 每個尺度空間的采樣間隔數，默認值為3.
sigma: 高斯平滑的數量，默認值1.6.
contr_thr:判定特征點是否穩定，取值（0，1），默認為0.04，這個值越大，被剔除的特征點就越多。
curv_thr:判定特征點是否邊緣點，默認為6.
img_dbl:在建立尺度空間前如果圖像被放大了1倍則取值為1，否則為0.
descr_width:計算特征描述符時鄰域子塊的寬度，默認為4.
descr_hist_bins:計算特征描述符時將特征點鄰域進行投影的方向數，默認為8，分別是0，45，90，135，180，215，270，315共8個方向。
如果只是做特征提取，上面這個函數就足夠了，不同圖像之間的匹配都是建立在這個基礎上的，如果你有足夠強的編程能力即使不懂這個算法也能夠編寫出像樣的程序來，因為下面的比較說白了都是數據結構的比較，跟算法已經沒有太多關系了。如果想要深入了解算法，還是認真的看論文和代碼吧。
Sift算法與VC代碼：http://download.csdn.net/source/1481248