近年来，生物信息特征识别技术在各个领域蓬勃发展，它是利用人的固有的生理特征作为研究对象，来进行个人身份的鉴定。本文结合掌纹纹理特征及支持向量机理论进行探讨。具体内容如下：(1)针对掌纹图像的特点，先用OSTU算法选取阈值，对掌纹灰度图像进行二值化处理，用改进的Harris方法来检测角点，并根据角点的情况来建立基准坐标系，提取固定大小的矩形区域作为研究对象。(2)把已经提取出来的矩形区域进行分块，对分块后的小区域Gabor滤波，提取Gabor滤波器的纹理能量，得到512维的向量作为掌纹的特征向量。(3)把这些特征向量输入SVM进行训练和识别，并与传统的神经网络的方法进行比较，验证了用支持向量机的方法进行图像分类能够得到很高的识别率，比传统的神经网络方法有更好的分类效果，尤其是小样本，高维度的情况。本文所设计的方法经过验证，取得了较好的实验效果。用SVM的方法进行掌纹图像的识别是对掌纹识别方法的一个创新，这种方法能够得到比传统的神经网络方法更好的识别效果。