目前的而掌纹提取算法大多基于特定的数据库,要求背景单一或者用户手势固定来进行提取。对于背景复杂,光照分布不均匀,人的手势变动等情况下,要么其效果不好,要么需要大量的手动参数调整或者复杂的预处理技术来适应原有的算法。基于这个原因,本文提出了一种新颖的感兴趣区域(ROI)提取方法。本文先对少量样本进行旋转、镜像、尺度变换等数据增强的方法,以得到足够多的训练样本。将样本送入深度卷积自编码解码器进行训练,来提取出整个手部的区域。接着,对提取到的手部掩膜进行距离变换,得到手掌的质心点。以此点得到一个手掌最大内接圆和内接圆的最小外接正方形。将这个正方形作为手掌的掩膜。将手掌掩膜分割成12*12的图块,利用保边导向滤波器生成图块的不同质量的版本,对每一个版本图块对应的网络进行训练,直到网络能够较好地提取相应的特征。将三个结构一样的网络的权重迁移到一个融合网络中,形成一个三输入单输出的判别网络,以此来判断每个小块是否为主掌纹区域。本文在自建库上进行了实验,其提取精度达到86.2%。