将生物特征识别技术与中华民族传统的掌纹医学结合起来,用于诊断人类疾病是一项开创性的工作。医学专家通过多年临床经验发现,哮喘等变态反应性疾病患者大都存在着大鱼际掌纹粗糙的现象并根据粗糙程度将其分为四级。利用计算机技术对大鱼际掌纹图像进行处理和量化识别,可以实现诊病过程的自动化。本文的工作是大鱼际掌纹特应征量化识别及在哮喘等疾病相关性与辅助诊断中的应用研究中的非常重要的模块—大鱼际掌纹图像的预处理及特征提取。在课题研究过程中研制了基于DSP的掌纹图像采集装置,该采集装置以DSP为中央处理器,通过DSP实现对掌纹图像的采集和存储,利用该装置采集的掌纹图像建立了掌纹图像库。采用不变特征点方法对大鱼际区域进行定位,以手指间谷点作为手掌特征点,寻找定位点并确立坐标系,定位大鱼际区域。利用小波阈值的去噪方法对大鱼际掌纹图像进行去噪,再利用基于高频强调滤波和CLAHE的方法或基于小波变换的方法对去噪后的大鱼际掌纹图像进行增强,预处理后的大鱼际掌纹图像纹理呈格子状分布,其形态特征更加明显,便于后续的特征提取。利用边缘检测的方法提取大鱼际掌纹线特征,其数量较多,而且分布无规律,由于对纹线特征的要求尚没有统一的标准,把线特征的数量作为分类的标准,只能将大鱼际掌纹中的纹线尽可能多的提取出来,通过观察其线特征的大体多少判断大鱼际掌纹的级数。利用基于4连通并行细化算法的串行算法实现预处理后的二值化的大鱼际掌纹图像的细化,在细化后处理的基础上提取其节点域特征,把节点域特征作为大鱼际掌纹分级量化的标准,通过确定节点域的个数完成大鱼际掌纹的分类。