掌形作为人类所特有的生物特征之一，由于其在身份鉴别中起着重要的作用，使得掌形自动识别技术成为模式识别、计算机视觉与人工智能等研究领域的热点之一。掌形自动识别就是对于输入的掌形图像首先判断其中是否存在掌形，如果存在则进一步的给出每个掌形的位置、大小以及与特征提取相关的手掌主线等信息，并依据这些信息，进一步提取每个掌形中所蕴含的特征，将其与已知掌形库中的掌形进行对比，从而识别出每个掌形对应的身份。由此可见，一个完整的掌形自动识别过程应包括掌形特征提取与掌形识别两方面内容。　　 论文首先就掌形采集和特征提取以及掌形识别领域的研究现状进行了综合论述，对各种方法的理论依据和实现方式做了较详细的介绍，并指出了当前掌形检测与掌形识别领域的研究重点与难点，为我们的进一步的研究工作明确了方向。　　 论文研究了掌形采集设备软硬件的实现问题，通过对已有设备的研究分析，提出了一种新颖的简易掌形采集系统。对于不同大小的手掌有较好的适应性和使用简便性。为提高图像中手形轮廓的提取算法的效率和可靠度，提出了一种基于背景闪光方法的手掌轮廓提取算法。能够快速准确地提取出手形轮廓。实验表明该方法是行之有效的。　　 论文研究了基于手指中线灰度特征的仿生模式识别掌形识别系统，通过边缘跟踪和手指尖手指凹到手掌图像中心的角度和距离关系，对手指中线进行了准确定位。在手指中线特征提取过程中，利用统计的肤色信息，对手形图像中指尖附属物(指甲)做了成功的排除。　　 论文最后对基于仿生模式识别的掌形识别、掌形确认系统进行了较为详细的介绍，并将掌形识别的效果同最近邻法、不同核函数的SVM进行了分析对比。以自建掌形库为识别对象，针对有“拒识”的情况下，通过改变不同识别算法的可调参数，在保证参与训练人的正确识别率在大致相同水平的条件下，分析了参与训练人的错误识别率(错识别为参与训练的其他人)与未参与训练人的错误接受率(错识别为参与训练的某人)的优劣。实验结果表明，基于仿生模式识别的方法具有较高的安全性，明显优于其它模式识别方法，具有一定的实际应用价值。　　 论文创新性工作如下：　　 1、提出、实现并验证了一种简易掌形特征采集方法。　　 针对传统掌形识别采集系统对使用者手掌大小的适应性问题，以及较高的成本，实验了一种富有特色的简易掌形特征采集设备，对使用者的手掌大小适应性好，使用简便，易于掌握。且结构简单，成本较低，适合于向民用市场转化。　　 2、提出了一种基于背景闪光方式的手形轮廓提取算法。　　 针对掌形图像采集中手形轮廓提取的问题，提出了一种基于背景闪光方式的手形轮廓提取算法，该算法原理简单，算法速度快，环境适应性好，而且手形轮廓提取效果优良。　　 3、提出了一种简便有效的掌形表征特征并通过实验验证其有效性。　　 从高维空间几何分析方法入手，研究了掌形生物特征识别系统的实现途径，依据距离测度关系构建的仿生模式识别网络(超香肠和Ψ3)，在小样本情况下达到了较好的识别率(93.75％)　　 4、基于仿生模式识别理论，实现了一种掌形自动识别系统。　　 利用多权值高阶神经元网络建立高维空间复杂几何形体完成对某类样本的最佳覆盖，在特征空间中，以同类样本点间连接为出发点，以同一类样本的“认识”为目标，以多权值矢量神经元网络算法训练构筑函数神经元网络。由于仿生模式识别是基于“认识”事物而不是基于“区分”为目的，更接近于人类“认识”事物的特性，从而使得实现的系统在掌形识别方面表现了良好的性能。　　 5、通过实验将仿生模式识别方法与最近邻法、不同核函数的SVM进行了分析对比，验证了仿生模式识别掌形识别方法具有较高的安全性。　　 以自建掌形库为识别对象，针对有“拒识”的情况，通过改变不同识别算法的可调参数，在保证参与训练人正确识别率大致相同的条件下，比较了错误识别率(错误判别为训练集中另一个人)与未参与训练人的错误接受率(错识别为参与训练的某人)的优劣。比较结果表明，基于仿生模式识别的方法具有较高的安全性，明显优于其它模式识别方法。