توصیفگر SIFT (Scale-Invariant Feature Transform) و SURF (Speeded-Up Rubust Features) هر دو برای استخراج ویژگی های محلی از تصاویر استفاده می شوند و معمولاً در وظایف بینایی رایانه مانند تشخیص اشیا و تطبیق تصویر استفاده می شوند.
توصیفگر SIFT برای یافتن نقاط متمایز در یک تصویر، که به عنوان "نقاط کلیدی" شناخته می شود، از یک روش تشخیص افراطی فضایی مقیاس استفاده می کند. سپس این نقاط کلیدی توسط یک بردار 128 بعدی، که به عنوان توصیفگر SIFT شناخته می شود، توصیف می شوند که بر اساس اطلاعات گرادیان در ناحیه تصویر اطراف است. توصیفگر SIFT برای تبدیل‌های تصویر مانند ترجمه، چرخش و مقیاس‌بندی قوی است و برای کارهایی مانند تشخیص اشیا مفید است.
توصیفگر SURF گونه ای از توصیفگر SIFT است و به گونه ای طراحی شده است که سریعتر و کارآمدتر باشد. مانند توصیفگر SIFT، توصیفگر SURF نیز از روش تشخیص افراط در مقیاس-فضا برای یافتن نقاط کلیدی در یک تصویر استفاده می کند. با این حال، به جای استفاده از اطلاعات گرادیان در ناحیه تصویر اطراف، توصیفگر SURF از مجموعه ای از پاسخ های موجک هار برای توصیف نقاط کلیدی استفاده می کند.
به طور خلاصه، هر دو توصیفگر SIFT و SURF برای استخراج ویژگی های محلی از تصاویر استفاده می شوند، اما SURF سریعتر و کارآمدتر از SIFT است. هر دو به طور گسترده در وظایف بینایی کامپیوتری مانند تشخیص اشیا، تطبیق تصویر و بازیابی تصویر استفاده می شوند.