掌纹识别技术是一种新兴的生物特征识别技术,是近年来研究的热点之一。与其他生物特征识别方法相比,掌纹特征信息更加丰富,图像采集方便且掌纹识别对掌纹图像质量要求不高,易于硬件实现和被用户接受,识别速度快,同时也容易和其他生物特征识别方法融合。因此,掌纹识别是一种很有发展潜力的身份认证方法。本文对掌纹识别技术的发展历程及国内外研究现状进行了深入分析。在掌纹预处理阶段,针对传统的基于手掌最大内切圆的掌纹感兴趣区域(Region Of Interest,ROI)提取方法的不足,提出了一种基于关键点定位的ROI提取新方法。该方法首先利用光栅扫描法获得掌纹图像边缘坐标,并在笛卡尔坐标系中绘制掌纹边缘曲线图；然后,对其Y轴分解图进行求导,确定大拇指与食指、小指与无名指之间的两个关键点；最后,利用这两个点重建坐标系,在手掌中心区域截取ROI子图,归一化为128×128大小。在特征提取阶段,分别研究了基于Gabor小波和局部二值模式(Local Binary Pattern, LBP)的特征提取算法,在此基础上,提出了一种基于改进的Gabor小波和多尺度LBP算子的掌纹特征提取新算法。该算法首先利用傅里叶变换频谱度量的方法来确定掌纹三大主线的方向,并以此来确定Gabor滤波器组的方向参数对掌纹图像进行Gabor小波变换；然后,通过改变LBP扫描窗口的大小设计了一组多尺度的基于统一模式的旋转不变LBP算子,利用该算子提取Gabor变换后的掌纹图像特征。Gabor小波能够描述掌纹图像的多尺度、多方向纹理信息,但容易受到光照的影响；而LBP算子能够很好地刻画掌纹的局部邻域特征,具有灰度和旋转不变性,但却易受到噪声影响,且传统的LBP算子只能从单一尺度上描绘纹理。本文结合Gabor小波和多尺度LBP算子的特征提取新方法能够获得两者的优点,取得了较好的效果。在掌纹匹配阶段,研究了遗传算法(Genetic Algorithms, GA)和支持向量机(Support Vector Machine, SVM)的原理,采用GA来选取SVM的最佳参数,基于中科院自动化所(CASIA)掌纹数据库的实验表明,本文算法能够获得高达97.5%的正确识别率。在Matlab环境下对本文算法进行了大量的仿真实验,实验结果表明了本文所提出方法的优越性。在此基础上,利用VC++平台开发了一个掌纹识别系统。该系统可实现掌纹的预处理、特征提取和掌纹识别。