特征矩是一組正交的、噪聲穩健的、對旋轉、縮放和翻譯不變的、對分布敏感的矩。它們的應用可以在信號處理和計算機視覺中找到，作為信號或圖像的描述符。這些描述符后來可用于分類目的。它是通過執行正交化，通過對幾何矩的特征分析得到的。

特征矩是通過對圖像的矩空間進行特征分析，以瑞利商的形式使特征空間的信噪比最大化來計算的。這種方法在圖像處理應用中具有若干好處。矩空間中的矩依賴于被轉換圖像的分布，保證了在矩空間上進行特征分析后最終特征空間的去相關性。EigenMoments考慮到圖像分布的能力使其更具有通用性，可適應不同類型的圖像。產生的矩核是正交的，因此矩空間的分析變得更容易。用正交矩核轉換到矩空間類似于將圖像投影到一些正交軸上。

Nosiy成分可以被去除。這使得EigenMoments在分類應用中變得穩健。可以得到最佳的信息壓縮，因此只需要少量的矩來描述圖像的特征。問題的提出假設一個信號向量信號空間的維度n通常太大，對實際應用（如模式分類）沒有用處，我們需要將信號空間轉換為低維度的空間。這可以通過兩步線性變換來實現。

優化雷利商的形式是。{displaystylew}，并且在優化目標函數時不會丟失任何解決方案。并且在優化目標函數時不會丟失任何解決方案。這個約束優化問題可以用拉格朗日乘法器來解決。