随着科技的发展和人类活动范围的扩大,我们对安全性的需求呈现出逐年上升的趋势,生物特征识别也因此得到了广泛的研究与关注。随着技术发展的不断成熟,那些使用方便、计算简单的识别方法越来越受到人类的青睐。本文研究的手形认证方法易于实现、成本较低,是一种易于被用户接受的生物特征识别技术。现存的手形认证方法一般将图像采集背景设置为黑色,因此学者们大多只关注手形特征的提取与匹配,而很少考虑认证过程中的手形轮廓提取问题。随着研究的深入,固定的黑色背景因其限制了手形认证的适用环境,已经不能满足现实的需求。本文在浅色采集背景下对手形认证方法进行了研究,主要通过提高方法的适用性来降低手形认证对用户和环境的限制。浅色背景下的手形图像易受阴影影响,阴影给手形轮廓的提取带来很大困难。本文通过手形的样本特征分割图像,以得到完整的手形轮廓。首先分割图像,提取手形上的样本点坐标,其次将图像转换到YCbCr颜色空间,在Cb、Cr分量中根据样本点坐标提取手形的样本区域,然后计算Cb、Cr分量中所有像素点与样本特征间的欧氏距离,得到距离矩阵,接着对其进行阈值分割,提取出手形轮廓,最后判断手形的位置,通过旋转统一所有手形的方向。该方法可以在含阴影的图像中提取手形轮廓,即可以用于浅色背景中,又同样适用于黑色背景,降低了对用户和环境的限制。本文基于形状上下文,提出了一种局部形状上下文算法实现了手形认证。首先截取手形上相对稳定的轮廓,对其进行局部均匀采样,得到采样点集,然后局部范围内统计手形的形状上下文特征,最后根据提取的手形特征进行匹配,通过计算匹配代价值对用户的身份进行鉴别。本文提出的手形认证方法具有很好的鲁棒性,对光照条件和背景的变化不敏感,其中的轮廓提取方法具有很好的可移植性,适用范围广泛;局部形状上下文算法在不增大同一用户手形间匹配代价的前提下,提高了不同用户间手形特征的差异,最终的系统等错误率为3.15%,相比于传统的形状上下文算法,等错误率下降了 1.5%-5%,该方法的认证准确性更高,更适用于手形认证。