掌纹识别是近些年来新兴的一种生物特征识别技术。与其它生物特征识别技术相比,掌纹识别具有用户接受度高、区分能力强等优点。同时,掌纹图像的采集设备价格低廉,因此具有很高的普及潜力。现有的掌纹识别方法,大多使用接触式采集设备采集掌纹图像,这种图像采集方式保证了所采集到的图像具有单一的背景、均匀的光照,也避免了因手部晃动导致的图像模糊,因此具有较高的识别精度。但以接触式采集设备为基础的识别技术,在用户友好度方面还有待改进。非接触式掌纹识别是提高掌纹识别用户友好度和扩展掌纹识别应用领域的有效手段。在非接触式掌纹识别中,由于移除了接触式辅助定位装置,会由于采集时手掌发生的形变而对识别精度造成很大影响。本文针对目前非接触式掌纹识别中存在的问题,重点研究两方面关键问题,即非接触式掌纹特征采集系统的研制以及形变掌纹识别方法。本文首先设计并实现了一种非接触式多手部特征采集系统,该系统能够同时采集掌纹、手掌静脉和手背静脉图像,且采集时用户不用接触采集设备的任何部分,具有极高的用户接受度。本文利用该系统建立了包含约4000幅图像的非接触掌纹数据库,为本文工作以及本领域的相关研究提供了数据基础。对于形变掌纹识别问题,本文首先建立了掌纹识别的通用理论模型,即将掌纹匹配看做一个极值问题。在该理论的基础上,本文从线性形变和非线性形变两方面对形变掌纹识别进行研究。针对线性形变掌纹识别,本文提出了一种基于掌纹图像配准的掌纹识别方法。该方法利用匹配的尺度不变特征变换(SIFT)特征点计算掌纹图像之间的线性变换模型,并使用该模型对掌纹图像进行配准,而后在配准后的掌纹图像上提取掌纹特征进行匹配。该方法可以有效的解决线性形变掌纹识别问题。对于非线性形变掌纹识别问题,本文首先提出一种非线性形变建模方法。该方法以掌纹图像中匹配的SIFT特征点为基础,通过迭代随机抽样一致性(I-RANSAC)算法计算出若干个线性变换模型,用以近似掌纹发生的非线性形变。在此基础上,本文提出一种基于I-RANSAC算法和局部掌纹描述符(LPD)的掌纹识别方法。该方法首先应用I-RANSAC算法对非线性形变进行建模,根据模型移除外点后,应用LPD进一步移除误匹配点,最后以匹配的SIFT特征点数作为匹配分数进行识别。该方法可以最大程度的保留发生非线性形变的掌纹图像之间正确匹配的SIFT特征点,达到提高识别精度的目的。为充分利用掌纹图像上具有区分能力的区域,并同时考虑掌纹的非线性形变,本文提出一种基于块生长的掌纹识别方法。该方法在使用分段线性变换近似非线性变换模型后,依据各线性变换模型,将掌纹划分为若干区域,在每一个区域上分别进行掌纹图像配准,并进行掌纹特征提取和匹配,将每个区域的匹配分数之和作为最终的匹配分数进行决策。通过这种方式,在考虑了掌纹的非线性形变的同时,充分利用了掌纹上大部分具有区分能力的区域,取得了更高的识别精度。