随着电子技术的快速成长,身份认证技术至关重要。掌纹识别技术,作为一种新兴的生物特征识别技术。相对其它的,具有难以伪装,比较稳定、不具侵犯性以及难以隐藏和非接触等特性。近年来掌纹识别技术在门禁、核电站、银行系统还有快捷支付中的应用,说明关于掌纹识别技术的研究是一个比较前景和具有现实意义的研究课题。掌纹识别的关键就是在于提取掌纹的有效特征,并根据提取到的掌纹特征设计相应的分类器进行分类识别。本文提出的,基于SIFT和Gabor小波变换的两类识别方法。主要从图像区域分割,特征提取以及分类识别三个方面进行了研究。本文主要完成的研究工作如下。1、掌纹图像的轮廓是通过顺序统计滤波、二值化和形态学的处理得到的,然后将检测到的角点中曲率最大的两个点作为定位点来建立坐标,从而提取感兴趣区域(ROI)。这种方法能有效分割图像。2、设计了Gabor变换和KPCA结合的一种掌纹识别算法。首先提取掌纹图像的四维四向变换,提取掌纹的纹理特征,将16组小波特征归一化,然后,执行核主成分分析(KPCA),并提取主成分,然后将主成分合并得到最终的向量特征,利用最近邻分类器进行识别。相对于单一的Gabor和KPCA算法,该算法的识别率更高。3、设计了SIFT特征匹配的一种掌纹识别算法。该算法利用待识别SIFT掌纹特征关键点,与已有SIFT掌纹特征关键点的匹配统计特性,计算累计匹配点数量的数值和阈值来进行身份识别。在matlab环境下仿真,结果表明,算法的识别率很高。