作为最重要的生物特征识别技术之一,掌纹识别方法的开发具有重要的现实意义。本文在分析现有掌纹识别方法的基础上,结合手掌内表面的特点提出了两种新的掌纹特征提取方法,并分别给出了两种识别算法的设计与实现过程,以及性能测试。通过对掌纹识别技术研究史的回顾,本文介绍了掌纹识别方面的主流技术---基于纹线特征的掌纹识别技术。在详细阐述了基于线特征和基于纹理能量的掌纹识别方法之后,我们分析了这两种算法的优缺点,并给出了两种方法的有效结合---两层的掌纹识别方法。为了克服现有算法的不足,本文提出两种新的掌纹识别算法,并给出掌纹识别系统的总体设计和实现过程,包括图像获取和预处理,掌纹特征提取方法的基本思想和实现,以及掌纹的自动分类和测试。作为掌纹识别的关键部分,本文着重阐述两种特征提取算法的思想、作用和实现过程。基于特征手的掌纹特征提取算法是根据类内类间距离准则而设计的特征提取算法。该方法利用Fisher判别准则,找到一条最好和最易分类的投影直线,并将样本数据由高维的图像空间投影到低维的特征空间。也即通过最大化不同类别的类间散度,同时最小化相同类别的类内散度,寻找出一条最佳的分类途径。为了解决预处理过程给子图样本数据所带来未知变换问题,以及进一步提高系统的识别性能,本文设计并提出了一种小波域内的基于模板学习的掌纹特征提取算法。该算法从掌纹样本中学习不同类别的理想模板,并将理想模板的参数作为特征用于模式分类,由于考虑了子图样本内在存在的平移和旋转变换,不同类型小波系数对特征提取的贡献,因此达到非常好的识别效果。作为掌纹识别系统实现的最后部分,本文给出了对应两种特征提取算法的分类匹配方法的设计和实现过程。利用掌纹数据样本,我们对两种掌纹识别方法进行了系统性能测试,证明了它们的可行性。