掌纹识别技术作为一项新兴技术,具有其他生物技术不可比拟的优点,相较普通的指纹识别来说,掌纹信息量更为丰富。但是掌纹信息从采集角度来讲,在用户友好性和广泛度上比较受限；从掌纹信息认证角度来讲,如何更好的实现掌纹的匹配认证更是不易；掌纹采集分为接触式采集和非接触式采集,接触式采集主要是指手和采集设备物理接触实现采集,这样虽然采集成功率比较高,但是应用受限,不太方便,而且采集设备昂贵。非接触式采集,到目前为止,主要是指采用手机、笔记本电脑等移动设备来采集掌纹,非接触式采集虽然比较方便,容易被用户接受,但是同时带来了成像不稳定,采集困难等不利因素,严重影响了掌纹识别正确率,如何克服这一难题,就成了现在我们研究的重点。本文研究如何更好的在非接触条件下提高对手部采集的成功率,以及有效提高掌纹识别认证效率,主要的工作和创新点如下：1.手部图像Haar特征研究。Haar特征是种简单的矩形特征,从形式上,Haar特征通常包含两个或者三个相联接的黑、白矩形,在黑色和白色矩形内,计算包含的灰度值总和,这样就能对图像的灰度情况进行较好的描述。Haar特征实质上为了表达兴趣目标的一些具体特征,例如人眼部分,相对于人脸的脸夹部分,眼睛就显得相对暗一些,同样的也要比紧临的鼻梁也要暗一些,人眼的这些特征,可以很好的用统一的特征原型表现出来；对于手部来说,在有手指与背景交叉出现的图像区域同样也会呈现出不一样的特征,这样就相对比较容易从复杂背景下提取手部图像。2.提出基于Procrusts问题分析的手部模型的建立方法,Procrusts分析主要是依据最小二乘算法来求得坐标变换旋转和平移参数的问题分析；首先对手部图像样本集用手轮廓上一定数量的特征点来描述整个手形,接下来利用分析原理配对这些模型,求得平均模型,来适应手部缩放、水平相对小角度旋转、翻转特点。3.改进的YCrCb空间算法研究。根据有关数学分析,对红色色差、蓝色色差信号的定义在传统YCrCb空间变换上并没有有效的描述,为使色差信号Cr、Cb值具有在光照强烈的情况下具有较好的聚类性,对传统空间变换算法研究后加以调整,能从表现形式上相对改变这一状况。4.提出一种基于区域动态学习ROI定位方法。基于清晰手部轮廓提取ROI区域算法基础上,主要对如何获得更好的手部二值化图像加以研究改进。手部图像背景比较复杂,而且光线不够稳定,传统的提取手轮廓方法大多基于肤色的,在复杂环境下受到很大影响,如何更好提取手轮廓图像。这里提出了两种方案：一是在手部图像占整个采集图像比例较小时,首先基于对手掌模型建立、Haar特征识别来框出图像在手掌中的大概位置,然后我们采取动态框学习的方法来计算准确手掌轮廓,进而提取掌纹ROI；二是在手部图像占整个采集图像比例较大时,直接应用区域动态学习获得ROI。5.对小波分解在掌纹识别算法中的应用进行了研究。首先是统计学PCA分析算法研究,接下来利用小波分解与PCA相结合方法进行掌纹识别研究,在一定程度上,降低了图像分率的同时,也去除了部分噪声。接下来对小波分解后的高频子带进行了研究,并有所改进,实现了与低频子带相当的识别性能。6.手掌图像视频数据库的建立,在自然环境下完成了对手图像的采集,为基础实验分析提供了研究平台。