سیستم بازشناسی اثر کف دست، سیستمی زیست سنجی مبتنی بر ویژگی فیزیولوژیکی اثر کف دست انسان است که سرشار از ویژگی های غنی، پایدار و منحصربه فردی همچون خطوط، نقاط و بافت می باشد. ویژگی بافت یکی از مهم ترین ویژگی های قابل استخراج از تصاویر با وضوح کم می باشد. سیستم بازشناسی اثر کف دست، سیستم زیست سنجی جدیدی است و در نتیجه بسیاری از روش ها و الگوریتم های استخراج ویژگی بافت به کارگرفته شده در این سیستم، قبلا در دیگر سیستم های بازشناسی ارائه شده اند. هدف این پایان نامه، پیاده سازی معروف ترین و جدیدترین توصیف گرهای محلی، بر روی تصاویر دو بعدی اثر کف دست و انجام آزمایشات مختلف برای بررسی و مقایسه عملکرد آن ها با یکدیگر و ارائه توصیف گر محلی جدید برای استخراج ویژگی بافت قوی تر و متمایزکننده تر از تصویر اثر کف دست می باشد. در روش پیشنهادی، با استفاده از یک تابع آستانه با مقدار آستانه متغیر، اطلاعات تغییرات گرادیان نقاط در یک همسایگی محلی در یک راستای مشخص و اطلاعات تغییرات گرادیان مرتبه اول در راستای شعاعی نقطه مرکزی این همسایگی با هم ترکیب می شوند. سپس، تصویر ویژگی حاصل به تعدادی ناحیه مساوی تقسیم و هیستوگرام هر ناحیه به طور مستقل محاسبه و برای مقایسه دو هیستوگرام از ساده ترین تابع اندازه گیری شباهت و ساده ترین دسته بند، استفاده می شود. نتایج تجربی حاصل از آزمایشات مختلف نشان داده است که روش پیشنهادی با نرخ بازشناسایی رتبه یک 83/98 درصد و نرخ eer حدود 08/1 درصد، در مجموع نسبت به دیگر توصیف گرهای محلی، قدرتمندتر می باشد.