科技的进步和社会信息化程度的提高促进了生物特征识别技术的飞速发展，基于人的指纹、人脸、虹膜、掌纹、手形等特征的身份验证技术相继出现。作为近年来逐渐兴起的一种身份识别技术，掌纹识别由于具有容易获取、精度高、实时性好等特点，渐渐获得了越来越多的关注。基于掌纹的身份识别系统也相继面市。掌纹特征提取是掌纹识别系统中最为关键的一个环节，本课题对该部分进行了深入的研究与实验，并重点研究了基于分块的掌纹特征提取算法，本课题的研究内容与主要成果如下：对基于PCA的掌纹识别算法进行了研究与实验。详细描述了PCA、分块PCA、2DPCA、分块2DPCA、(2D)2PCA等算法的实现步骤，并通过大量的对比试验验证了分块对于提高掌纹识别率的有效性，即分块不仅能够降低掌纹图像的维数，增加样本数，而且能够提取到对分类有帮助的局部特征。针对传统的分块方法并没有考虑到块之间的差异性这一缺点，对传统的基于分块的主成分分析方法做出了改进，将所有训练样本集中的同一位置处的子块看作一个子训练集，分别对各个子训练集求取散布矩阵。并以传统的分块(2D)2PCA算法为例，验证了该方法在识别效果上要优于传统的算法。对基于分块LBP的掌纹识别算法进行了研究与实验。对该方法中因分块导致的所提取特征维数过高，进而引起的掌纹识别时间过长、所需特征存储空间过大等问题进行了简要阐述。在此基础上，提出了基于分块LBP+PCA的掌纹识别算法，利用PCA方法对所提取到的多尺度LBP特征进行降维，实验结果表明，该方法可以在不影响正确识别率的前提下大幅度降低所提取的特征维数。