人体的手掌静脉组织隐藏在皮肤表皮下面，无法在可见光下获取，但可以通过近红外光拍摄得到，其结构纹路复杂很难被复制，与其他生物识别方式相比，掌脉识别对周围环境及人的姿态、表情等变化不明显，不受皮肤污染和损坏的影响，不因年龄的变化而改变，同时它是一种活体识别，不易被仿造，具有稳定性、唯一性等特点，是一种安全性好的身份识别方法，拥有广泛的应用前景，也是近几年的研究热点。　　本文从掌脉图像纹理分析的角度出发，研究局部二值模式(Local Binary Pattern，LBP)以及后人对LBP改进的算法，发现在这些方法中存在着一个共同的问题，算法的识别率和运行速度不能完美结合，也就是说，对于掌脉识别系统而言，算法识别率高相应的运行程序就会冗余，导致运行速度慢，或是算法运行速度快却很难达到理想的识别效果。针对这一问题，做了如下研究。　　通过修改传统LBP算法的编码方案，充分考虑掌脉图像邻域像素之间的关系，改善识别系统的鲁棒性，提出一种识别率相对较高的掌脉识别算法，即局部方向模式(Local Directional Pattern，LDP)，但是该算法的运行速度一般，有待提高。基于此，通过进一步研究改进LDP编码方案，简化算法实现步骤，提出一种更加简洁的掌脉识别方法，即快速局部方向模式(Fast Local Directional Pattern，FLDP)算法。在香港理工大学接触式掌脉图库和自建非接触式图库上实验，首先将掌脉图像分成若干均匀子块，利用FLDP算法提取各子块的特征向量，然后融合得到总的模式特征，最后利用卡方距离进行匹配识别。在两个图库上的实验结果表明，该算法的运行时间分别为17.75ms和19.98ms，优于其他典型和流行算法，同时等误率最低，识别率相对较高，具有应用价值。