Feature ها مجموعه ای از ویژگی هایی هستند که یک شی یا پدیده مورد علاقه را توصیف می کنند. در زمینه پردازش تصویر یا سیگنال، از ویژگی ها برای استخراج اطلاعات از یک تصویر یا سیگنال استفاده می شود که برای یک کار خاص، مانند تشخیص یا طبقه بندی شی، مفید است.
دلایل مختلفی برای استفاده از ویژگی ها در پردازش تصویر و سیگنال وجود دارد:
1- کاهش ابعاد: از ویژگی ها برای کاهش ابعاد داده ها استفاده می شود و پردازش و تجزیه و تحلیل آن را آسان تر می کند.
2- انتزاع: ویژگی‌ها مهم‌ترین اطلاعات را از داده‌ها انتزاع می‌کنند و معنی‌دارتر و درک آن را آسان‌تر می‌کنند.
3- تعمیم: ویژگی‌ها به مدل‌ها اجازه تعمیم به داده‌های جدید را می‌دهند و تشخیص یا طبقه‌بندی اشیا یا سیگنال‌های جدیدی که در طول آموزش دیده نمی‌شوند را ممکن می‌سازد.
4- سادگی: ویژگی ها امکان نمایش داده های پیچیده را به روشی ساده و کارآمد فراهم می کنند.
انواع مختلفی از ویژگی ها وجود دارد و انتخاب ویژگی ها به وظیفه خاص و نوع داده بستگی دارد. برخی از مدل های ساده از ویژگی ها عبارتند از:
1- هیستوگرام: هیستوگرام ها روشی ساده برای نمایش توزیع مقادیر پیکسل در یک تصویر هستند. می توان از آنها برای استخراج اطلاعات رنگ، بافت و شکل از یک تصویر استفاده کرد.
2- گرادیان: گرادیان روشی ساده برای نشان دادن لبه ها و خطوط یک شی در یک تصویر است. می توان از آنها برای استخراج اطلاعات شکل از یک تصویر استفاده کرد.
3- SIFT (Scale-Invariant Feature Transform): SIFT تکنیکی است برای استخراج ویژگی هایی از یک تصویر که نسبت به مقیاس، جهت گیری و اعوجاج وابسته ثابت هستند.
4- SURF (ویژگی با سرعت بالا): SURF یک توصیفگر ویژگی است که در بینایی کامپیوتری و پردازش تصویر استفاده می شود تا ویژگی هایی را از یک تصویر استخراج کند که نسبت به تغییرات هندسی و فتومتریک قوی هستند.