La coincidencia de puntos clave es de fundamental importancia en aplicaciones de visión por computadora. Las lentes ojo de pez son convenientes en aplicaciones que implican un ángulo de visión muy amplio. Sin embargo, su uso ha estado limitado por la falta de un algoritmo de coincidencia efectivo. El algoritmo de Transformación de Características Invariantes a la Escala (SIFT) es una técnica importante en visión por computadora para detectar y describir características locales en imágenes. Así, presentamos un algoritmo Tri-SIFT, que tiene un conjunto de modificaciones al algoritmo SIFT que mejoran la precisión del descriptor y el rendimiento de coincidencia para imágenes ojo de pez, mientras preserva su robustez original ante escalas y rotaciones. Después de completar la detección de puntos clave del algoritmo SIFT, los puntos en y alrededor de los puntos clave se proyectan de nuevo a una esfera unitaria siguiendo un modelo de cámara ojo de pez. Para simplificar el cálculo en el que la imagen está en la esfera, la forma del descriptor se basa en la modificación del Histograma de Ubicación y Orientación del Gradiente (GLOH). Además, para mejorar la invariancia a la escala y la rotación en imágenes ojo de pez, las magnitudes del gradiente se reemplazan por el área de la superficie, y la orientación se calcula en la esfera. Experimentos extensos demuestran que el rendimiento de nuestros algoritmos modificados supera al de SIFT y otros algoritmos relacionados para imágenes ojo de pez.