Особенности (features) – точечные участки (особые точки), которые чем-то выделяются на изображении:

углы;
пятна (Blob);
особые точки линий (ответвления, окончания, пересечения …).

Подходы к определению особых точек:

на основе интенсивности точек изображения;
использование контуров изображения;
использование модели-шаблона.

Требования к особым точкам:

Отличимость (distinctness) – особая точка должна быть отличимой в своей окрестности.
Инвариантность (invariance) – независимость к аффинным преобразованиям изменениям яркости.
Стабильность (stability) – устойчивость к шумам.
Уникальность (uniqueness) – уникальность среди повторяющихся паттернов.
Интерпретируемость (interpretability) – выявления информации для анализа.
Локальность (locality) – занимать небольшую область изображения.
Количество (quantity) – оптимальное количество точек в зависимости от предмета их использования.
Эффективность (efficiency) – время обнаружения.

Особые точки определяются через:

Детектор (feature detector) – осуществляет поиск точек.
Дескриптор (descriptor) – описывает найденные точки.
Матчер (matcher) – устанавливает соответствие между точками.

Подробнее смотри ссылки:

Детекторы углов

Виды углов:

Смещение окна в окрестности угловой точки в любом направлении приводит к существенному изменению набора интенсивностей окна

Далее см. ссылку Детекторы углов : Moravec -> Harris -> Shi-Tomashi -> Förstner -> Susan -> Trajkovic -> FAST -> CSS -> Детектор на основе свойств кривизны -> CPDA.

Детекторы пятен

Для подчеркивания перепадов яркости изображения можно использовать вторые производные. Двумерный дифференциальный оператор носит название оператора Лапласа, или лапласиана. Лапласиан — это двухмерное отображение второй производной. Он часто применяется для обнаружения границ в пересечении нуля (zero crossing edge detectors). Поскольку Лапласиан очень чувствителен к шуму, чтобы уменьшить влияние шума используют сглаживание, например, по методу Гаусса. В силу ассоциативности операторов свертки, обычно используют единое ядро, которое носит название Лапласиана Гауссиана (Laplacian of Gaussian — LoG), которое может быть вычислено по формуле: