بازشناسی ارقام دستنویس فارسی یکی از مسائل مهم درحوزه بازشناسی الگو می باشد. تحقیقات در این زمینه چندین دهه است که آغاز شده و هنوز هم در حال تحول می باشد. یکی از مواردی که اخیرا در بازشناسی الگو بسیارمورد توجه قرار گرفته، انتخاب ویژگی است. با پیدا کردن بهترین گروه ویژگی ها از میان کل ویژگی هایی که استخراج می شوند، می توان علاوه بر کاهش تعداد ویژگی ها و هزینه های محاسباتی، نرخ بازشناسی را به میزان قابل توجهی بهبود بخشید. این تحقیق به مسأله انتخاب ویژگی در بازشناسی ارقام دستنویس فارسی پرداخته است. هدف یک سیستم بازشناسی الگو، قرار دادن الگوها با کمترین خطا، در کلاس مربوط به خودشان است. بازشناسی ارقام دستنویس فارسی یکی از مسائل مهم در حوزه بازشناسی الگو می باشد. تحقیقات در این زمینه چندین دهه است که آغاز شده است و هنوز هم در حال تحول می باشد. روش های مختلفی برای استخراج ویژگی از ازقام دستنویس فارسی ارائه شده است، که در این پایان نامه به منظور استخراج ویژگی از ارقام دستنویس فارسی بر روی روش جدید sift تمرکز صورت گرفته است. پایگاه داده ای که در این پایان نامه از آن استفاده شده، توسط نویسنده جمع آوری شده است و شامل 2700 نمونه رقم از دست خط 90 نفر می باشد. که در اینجا از 600 نمونه آن برای انجام آزمایش ها استفاه شده است. نتایج مربوط به این پایان نامه که در فصل ششم گزارش شده است بسته به تعداد نمونه های آموزش و آزمون ، نرخ بازشناسی 40 الی 47.33 درصدی را نشان می دهد.