掌纹识别技术作为生物特征识别技术领域里的一员,以其丰富的信息量、稳定而唯一的特征、采集设备简单、受噪声影响小、用户接受程度高等特点,近年来受到了众多研究团队的重视。图像采集是掌纹图像处理与识别的基础。由于接触式采集装置体积大,成本高,具有污渍、疾病传播的可能性以及信息的泄漏,使得非接触方式取代接触方式采集掌纹图像是发展的必然。然而每个人对于距离和方位的感觉存在差异,将导致非接触拍摄的掌纹图像存在缩放、变形、模糊、旋转和平移等问题,同时由于成像装置并不要求人手处于密闭的空间,致使光照不均,产生低对比度的图像,给掌纹的准确识别造成了极大的困难。解决非接触定焦拍摄的掌纹图像中存在的各种问题,是掌纹识别研究的关键。本文以自采的手形图像库为实验基础,以准确提取掌纹特征为研究目标,以解决模糊、变形和缩放等现象的预处理算法和提高掌纹识别率的小波分解下的高低频信息处理方法为研究内容,构建了一套适用于非接触定焦拍摄的掌纹图像识别算法。具体来说,主要工作及贡献如下：(1)提出利用小波的多分辨分析特性对掌纹图像进行小波分解,分解后的低频域的子图像继续高低帽变换,寻找图像中的灰度槽,降低了部分残存的模糊现象影响,提高了图像对比度；同时对小波分解的高频系数进行分块统计,削弱了部分变形和缩放现象的影响。而后借助于融合的思想,把小波分解下的低频域处理信息与高频域下的处理信息进行融合以构成特征向量,计算特征向量间的欧氏距离进行掌纹匹配。在自采的图库上进行实验,得到了90%的识别率,证明了算法的有效性。(2)提出把Radon变换应用于测试掌纹ROI子图像和注册掌纹ROI子图像,从而获取最大能量对应的角度,两个角度的差值作为测试图像相对于注册图像的倾斜角度,然后利用空间几何坐标关系对非接触式成像系统引入的掌纹图像变形进行了纠正。相关系数评价指标证明此种方法是有效的。(3)提出利用掌纹ROI的梯度图像寻找边界点集和局部梯度极大值点,通过设置阈值的方法在极大值附近寻找边界点,从而获取经过分析认定的圆形点扩展函数的模糊半径,进而获得退化模型,接着利用Lucy-Richardson方法对模糊掌纹图像进行复原,解决非接触式成像系统引入的离焦模糊问题。从处理的图像视觉效果以及所用的改进平方梯度评价指标数据来看,此种模糊图像复原方法是有效的。(4)提出根据手腕、手掌和手指的宽度变化规律来确定手掌图像的有效性,以解决非接触拍摄掌纹图像时被测试者不能保证将手掌放置在同一中心位置或者足够的手指伸展程度,从而产生无效的手掌图像。对库内的500幅手掌图像进行测试,通过率达到98%。(5)提出把注册掌纹图像与测试掌纹图像相对应的指根部1和3两点的距离比作为图像列放大系数,把指根点3到通过指根点4且平行通过1、3指根点直线的垂直距离比作为图像行放大系数,利用双线性插值方法对非接触定焦距采集的掌纹图像进行处理,解决了由于采样距离不同造成的掌纹图像大小不一致的问题。