Thủ thuật hợp nhất theo đặc điểm là phương thức đầu tiên của các kỹ thuật với khả năng hợp nhất 2 khối ảnh hoàn toàn tự động. Khả năng này cho phép bộc lộ những đặc điểm từ nguồn ảnh. Kỹ thuật này khác với những phương thức hợp nhất tương tác ở chỗ các đặc điểm dùng để hợp nhất được biểu lộ theo những thuật toán hơn là phải tác động. Phát triển một mô hình với khả năng kết hợp những kỹ thuật này sẽ phức tạp hơn nhiều so với các mô hình đánh dấu hay tương tác. Sự biến thiên của các kỹ thuật bên trong hình thức hợp nhất này giúp rút ra được một số lượng lớn các đặc điểm có giá trị.
Bản chất biến đổi của các phương pháp dựa trên đặc điểm làm cho việc phân loại tổng quát trở nên khó khăn. Nhìn chung, các phương pháp sử dụng việc khảo sát nền dữ liệu nghiên cứu để xác định một hàm tính toán đặc điểm khã dĩ nhất. Do không hạn chế về độ cứng như trong các thành phần hay mốc đánh dấu, tùy vào ứng dụng mà phép biến dạng tốt nhất có thể là thô hay affine. Tốt nhất là xem các kỹ thuật này dưới góc độ bán tự động vì đôi khi cũng cần phải có một vài tương tác vào quá trình tiền xử lý của ảnh, hoặc nhận dạng đặc điểm, hoặc khảo sát trực quan. Vì các đặc điểm được rút ra từ dữ liệu của bệnh nhân, nên các kỹ thuật dựa vào đặc điểm được xem như không có cấu trúc.
Tiêu chuẩn để đánh giá hiệu quả của một thủ thuật dựa vào đặc điểm là khả năng của nó có thể cho ra đặc điểm đáng tin và chính xác từ tất cả các mô hình chụp ảnh. Khi hợp nhất
giữa các mô hình giải phẫu và chức năng, mục tiêu hợp nhất trở thành một nhiệm vụ đầy thử thách vì các mô hình khác nhau khi mô tả trên cùng cấu trúc sẽ khác nhau. Từ đó có thể dẫn tới nhầm lẫn trong bản chất của các đặc điểm biểu hiện. Những đặc điểm đơn giản hơn sẽ thuận lợi trong việc biểu hiện nhanh, còn những đặc điểm phức tạp hơn thì có thể phải cần công cụ mạnh hơn để biểu hiện. Các kỹ thuật dựa vào đặc điểm được phân loại thành 3 nhóm: các trục nguyên lý, các bề mặt và các đặc điểm cao cấp.