امروزه تشخیص هویت فردی مبتنی بر سیستم های بیومتریک، نقش مهمی را در زندگی روزمره انسان ها ایفا می کند. از میان رویکردهای مبتنی بر شناسایی بیومتریک، روش های مبتنی بر بیومتریک دست توجه بسیاری را به خود جلب نموده اند. به طور کلی، سیستم های بیومتریک دست شامل دو دسته کلی هستند: بیومتریک های مبتنی بر هندسه دست و کف دست. از میان رویکردهای مبتنی بر کف دست، رویکردهای مبتنی بر بافت به دلیل دارا بودن ویژگی هایی مانند انعطاف پذیری، پایه های قوی ریاضی، الگوریتم های کاربردی و پیاده سازی های سخت افزاری، تلاش های زیادی را به خود جلب نموده اند. در زمینه روش های تشخیص مبتنی بر هندسه دست، رویکردهای مبتنی بر قالب دست در مقالات اندکی مورد توجه قرار گرفته اند، این در حالی است که این رویکردها می توانند ویژگی های متمایزکننده و غیر همبسته دست را به صورت موثری استخراج نمایند. از سوی دیگر، روش های ارائه شده در حوزه سیستم های بیومتریک چندوجهی دست، قابلیت های قابل توجهی را به منظور تشخیص فردی نشان داده اند. با این وجود، تعداد رویکردهای پیشنهاد شده در این حوزه با رویکردهای ارائه شده در سیستم های تک وجهی دست، قابل مقایسه نمی باشد. در این پژوهش، هدف پیشنهاد یک سیستم بیومتریک چندوجهی دست است که اطلاعات کف دست و هندسه دست را به منظور افزایش دقت در سیستم های بیومتریک دست، با یکدیگر ترکیب می کند. فازهای اصلی سیستم پیشنهادی شامل استخراج ویژگی های کف دست، استخراج ویژگی های هندسه دست و هم جوشی ویژگی های کف دست و هندسه دست است. در فاز نخست، به منظور تشخیص بافت کف دست، یک رویکرد جدید و موثر مبتنی بر s-transform گسسته متعامد به نام 2d-dost ارائه شده است. 2d-dost یک ابزار قوی جدید در زمینه آنالیز بافت می باشد که می تواند به صورت موثری توزیع فرکانسی بافت تصویر در باندهای فرکانسی مختلف را توصیف کند. در فاز استخراج ویژگی های هندسی دست، طیف الگوی ریخت شناسی جهت استخراج ویژگی های قالب دست به کار رفته است. این عملگر، تصویر مورد نظر را براساس اندازه و قالب مولفه ساختاری در مولفه های ریخت شناختی تجزیه نموده و یک آنالیز کمی از محتوای ریخت شناختی تصویر ایجاد می کند. در فاز پایانی نیز، ویژگی های استخراج شده قالب دست و بافت کف دست در سطح امتیاز تطابق ترکیب شده اند. در این پژوهش، سه پایگاه داده مختلف به نام های polyu ، casia و iitd به منظور ارزیابی روش پیشنهادی کف دست مبتنی بر dost به کار رفته اند. علاوه بر این، کارایی رویکرد براساس پنج معیار تشابه/عدم تشابه ارزیابی شده است. نتایج آزمایشات نشان دهنده خطای eer برابر %09/0، %97/0 و %92/0 و دقت crr برابر %100 ، %36/99 و %45/99، به ترتیب برای پایگاه داده های polyu ، casia و iitd می باشند. از سوی دیگر، به منظور ارزیابی رویکرد چندوجهی پیشنهاد شده، چهار روش نرمال سازی و پنج قانون هم جوشی جهت ترکیب ویژگی های قالب دست و بافت کف دست به کار رفته است. براساس نتایج آزمایشات بر روی پایگاه داده iitd ، ترکیب روش نرمال سازی min-max و قانون وزندهی تطابق دهنده بهترین نتایج %05/0 = eer و %100 = crr را ارائه نمودند که رویکرد پیشنهادی را جهت استفاده در سیستم های بیومتریک با امنیت بالا مناسب می سازد.