在信息交互日趋频繁的现代社会，个人身份的认证显得越来越重要，并在电子交易，公共安全，商业金融等部门得到了高度重视和广泛应用。相比传统的身份认证方法，生物特征识别具有更高的可靠性和更好的简便性，同时它也是模式识别、图像处理、人工智能等领域的前沿方向，具有良好而广阔的发展前景。掌纹识别是生物特征识别领域的一种新兴技术，与其他生物特征识别技术相比，掌纹识别有许多独特的优势。此外，掌纹图像可通过非接触成像方法获取，具有非侵犯性，大众接受程度高，因此掌纹识别一直都是生物特征识别领域研究的热点之一。传统接触式采集装置便携性差，成本高，容易导致设备磨损、疾病传播，这使得非接触采集逐步成为主流的掌纹图像获取方式。然而，由于个人摆放习惯及感觉上的差异，可能导致在非接触采集时，出现掌纹图像变形、模糊等非理想状况，这无疑会降低掌纹识别系统的性能。针对以上实际应用中出现的若干问题，本文以非理想条件下掌纹识别为研究内容，以稳定特征为主要思想和方法，以自建的掌纹图像库为实验基础，提出变形和模糊掌纹识别问题的解决方案。具体来说，本文的主要工作如下：(1)针对非接触采集的低约束性可能会导致手掌摆放方式不定，与摄像头距离不定，从而引起掌纹图像变形的问题，充分考虑人手本身是非刚体的特点，从预处理角度提出基于Demons非刚性配准算法的变形掌纹归一化方法，即进一步增强变形掌纹与标准掌纹的相似性，弥补了传统刚性方法校正效果不佳的缺陷。首先使用改进的Demons非刚性配准算法进行变形掌纹的校正，再使用一系列技术指标进行效果评价，结果表明：在任取的图像序列内，各指标均优于传统的刚性配准方法，这意味着变形掌纹与标准掌纹的相似性得到了有效提高，同时方法具备优越性，为后续的特征提取和识别创造了有利条件。(2)针对传统尺度不变特征变换（SIFT）对非接触采集产生的仿射变形掌纹识别效果不佳的问题，从特征提取角度出发，利用一种改进方案，即仿射尺度不变特征变换（ASIFT），在未进行变形校正的情况下直接进行掌纹识别。首先建立了变形掌纹的仿射模型，模拟了相机光轴的经度角和纬度角，在仿射空间内提取图像特征。然后通过基于实际环境所建立的变形掌纹库验证算法性能，与SIFT算法及目前典型的掌纹识别方法进行对比。结果表明，ASIFT方法具备良好的抗掌纹仿射变形性能，证明了该方法能够成功解决掌纹变形问题，鲁棒性和稳定性强，具备优越性。(3)针对非接触采集时离焦状态导致掌纹图像模糊，造成识别系统性能降低的实际问题，在建立模糊模型并分析模糊现象机理的基础上，提出利用稳定特征进行模糊掌纹识别的思想，并由此提出基于离散余弦变换（DCT）和主线分块能量（PLBE）的模糊掌纹识别方法。首先使用DCT变换在频域内提取低频系数作为稳定特征，再使用改进的局部灰度极小值法提取空域内的稳定特征即主线，并使用分块方法计算主线能量形成特征向量，然后将频域和空域内的稳定特征进行融合，最后利用向量之间的欧氏距离进行识别。在自建的模糊掌纹库上的测试结果表明，与融合之前及其他典型识别方法比较，DCT+PLBE方法的识别效果为最佳，显示出该方法在识别性能上具备有效性和优越性，为解决模糊掌纹的识别问题提供了一条可行途径。(4)针对非接触采集时的离焦状况容易导致掌纹图像出现模糊的问题，秉承稳定特征思路，提出拉普拉斯平滑变换（LST）和手部几何特征（HGF）融合的模糊掌纹识别解决方案。首先使用LST变换提取模糊掌纹低频系数作为稳定特征，再提取手部几何特征，即手指相对长度和宽度作为测量特征，然后将LST特征和几何特征进行融合，最后利用特征向量之间的欧氏距离进行匹配和分类。在自建的模糊掌纹图库上的测试结果表明，与融合之前及其他典型识别方法相比，LST+HGF方法的识别性能最优，显示出方法具备可行性，能够进一步提升模糊掌纹识别系统的性能。