掌纹识别技术是生物特征识别领域内的重要成员,作为一类完整和独特的特征,它具有可区分信息丰富、主要特征明显且稳定和易于测试者接受等优点,而备受研究者关注。当前,针对掌纹识别的研究和应用主要集中在身份识别领域,很少应用于疾病诊断。因此,本课题的研究将成为一项开创性的工作,具备重要的现实意义。　　 本文试图借助于经典的模式识别(PR)理论和数字图像处理(DIP)算法,最大限度地提取出掌纹的纹理信息,把分布于手掌上的病理特征(通过算法)提取出来并表现为数学化信息,最终通过知识处理和特征识别模块给出诊断结果,从而达到通过计算机辅助医生对人体进行“诊病”的目的。　　 综合概括起来,本论文最主要的两个部分:一是对掌纹图像本身进行分析和特征提取,即系统的知识表达部分;其次是利用相关结构特征和病理知识,建立智能的识别神经网络,即系统的知识处理部分。　　 特征提取算法的研究是紧扣掌纹医学理论展开的,利用其纹理的变化特性和形状特征(两者构成综合特征)分别从空间频率域特性和纹线结构特征两个方面对样本进行分析,通过性能比较验证了提取算法的可行性,从而为综合特征的识别打下基础。后期知识处理部分,旨在利用神经网络的大规模并行计算和自学习能力模仿人类专家的逻辑思维方式。基于掌纹病理知识的特点,文中设计并提出了两种符合神经网络输入形式的编码方法对病理特征进行表达,并搭建了与之相匹配的网络结构。通过对量化后的样本进行识别,神经网络分别取得了70％和90％以上的识别率,从而验证了识别算法的可靠性。