关于PCASIFT的源码，比较简单，适合初入门的新手。

PCA-SIFT matlab，对学习局部区域算子的人会有所帮助。

pca-sift经典算法，是Davaid Lower力推荐的算法。可以用于目标跟踪、检测、匹配。

在目标检测与识别中，一个稳定的，描述一个局部区域的特征非常的重要。Mikolajczyk 和 Schmid尝试了一系列的方法。 本程序中，就将sift与pca想结合，形成了pac-sift新方法。 实验发现，基于pca的sift更加的稳定，更能容忍图像的形变，并且，特征向量比sift更短，使得运算速度也比sift快。

mod_lowe 的pca-sift c语言实现，可以参考如何提取特征点和匹配的实现

matlab、C++版的SIFT源码，C++版本的PCA-SIFT源码，C++版本的Surf源码，都需要配置OpenCV1.0及以更高版本，个别需要配置gsl，

针对双目视觉测量中的立体匹配问题，提出了一种基于主成分分析(PCA)算法和尺度不变特征变换(SIFT)匹配算法相结合的双目视觉立体匹配新方法。该系统以GSI 编码点为特征点，利用双目相机对以散斑为背景的编码标识板进行成像，利用PCA 算法与SIFT 算法结合的新算法对采集的图像进行特征提取与匹配解算。可实现对GSI 编码点特征的准确提取和立体匹配,并测量出不同位姿下特征点之间的精确位移。实验验证部分引入GSI 编码技术并在行程为1000 mm×1000 mm 二维高精度平移台上进行，实际测得位移的绝对误差在5×10

用opencv实现的pca-sift，还有一些关于sift\pcasift\surf的比较

这个代码是pca-sift的MATLAB代码，是原作者自己编写的，广泛适用于初学者。

PCA-SIFT 源代码 matlab 及作者源代码。