在信息化时代,如何准确的鉴别一个人的身份,并且同时保护该信息的稳定性和安全性,已经成为了越来越重要的问题。掌纹识别技术是一种新兴的生物特征识别技术。相比于其他识别方法,掌纹识别具有对环境的要求低,手掌容易采集;采集设备精度要求不苛刻,造价低的优点。然而掌纹识别是一个极其复杂的过程,非接触环境下采集到的掌纹图像容易受到手掌姿态的影响,存在尺度变化和对齐问题。局部不变性特征对旋转和仿射变化具有更强的鲁棒性,使其广泛应用于图像追踪、图像配准等实际领域,是当前非接触掌纹研究的热点。但其设计复杂、计算量大的缺点让其难以在非接触掌纹识别系统上获得广泛应用。综上,面对海量的掌纹数据和巨大的应用需求,急需一种鲁棒性强、识别精度高、匹配速度快的非接触掌纹识别算法。针对非接触掌纹识别目前存在的鲁棒性、计算量大、精度低的问题,本文提出两种解决方案,第一种设计了局部不变性特征与网格运动平滑统计(GMS)技术相结合的算法,比较了不同的局部不变性特征在掌纹图像上的效果,并在特征匹配阶段对质量差的匹配进行剔除,它同时解决了传统不变性特征使用暴力匹配,所带来的匹配效果差和速度慢的问题。为进一步提高匹配速度和精度,第二种方案使用局部不变性特征的变种形式,并以块匹配的方式进行特征匹配。这种算法使用Dense SIFT特征对掌纹图像进行编码,并使用层次搜索算法在编码特征上搜索对比。层次搜索算法将PatchMatch算法中的随机搜索、近邻传播与图像金字塔的层次结构有机的结合起来,在减少计算量的同时,能有效的解决非接触掌纹图像的位移问题。这种方案相比于上一种方案,同样是利用局部不变性特征鲁棒性的特点,但它还同时具有传统基于掌纹线编码方式的识别算法极高的识别精度和速度的特性。最终,在IITD掌纹数据库上等误率达到1.75%,对于输入大小为128×128像素的掌纹图像,使用Dense SIFT特征编码耗时170ms,特征匹配和金字塔层次搜索耗时7.1 ms,结合并行化加速之后,其处理速度足以应对海量用户数据的匹配需求。