生物特征识别技术是为了进行身份验证，而采用自动技术测量人的身体特征或个人的行为特点，并将这些特征或特点与数据库的模板数据进行比较，从而完成认证的一种解决方案。能够作为样品的生物特征，包括有指纹、掌形、虹膜和签名等等，生物特征具有难于复制、难于窃取、容易使用等特点，比传统的口令或密码等认证方式具有更高的安全性和可靠度。 作为对现有人体生物特征识别技术的重要补充，掌纹识别有着其独特的优点：掌纹比指纹含有更多的可区分信息；掌纹采集设备的价格比虹膜采集设备要低廉得多；掌纹特征比签名特征更为稳定；掌纹识别可获得比人脸识别更高的识别精度；掌纹含有独特的主线和皱褶等线特征，这些线特征具有很强的区分能力，并可以在低分辨率图像中提取出来；可以将手掌上的各种特征融合在一起，建立一个高精度的生物识别系统等。正是由于这些原因，使得掌纹识别从近年兴起以来，很快就成为生物识别技术领域中的一个研究热点。 本论文围绕着掌纹识别技术中涉及到的关键技术展开了论述。论文的主要内容包括有： (1)根据图像模式识别的需要，分析了对嵌入式处理平台的资源需求，根据资源需求，选择了ADI公司的Blackfin系列DSP作为处理器平台，然后结合Blackfin的特性和图像清晰度的需求，确定使用OV7141 CMOS图像传感器。论文涉及到了在硬件和底层软件的设计中遇到的相关关键问题，同时给出了该平台的输出结果。该平台价格低廉，具有速度为1200MIPS的数据处理能力，其图像采集模块可以拍摄到640×480分辨率的清晰掌纹图像，可以完全满足在线掌纹识别的资源需求。 (2)叙述了掌纹线的形成和特征，在手掌的几何图像中可以找到用于定位的特征点，进而可以确定特征区域并进行特征提取。论文提出了一种基于8邻域的曲线曲率判断，再通过FIR低通滤波器计算以得到手掌边缘线曲率的方法。算法将沿着手掌边缘线执行基于象素点的处理，根据边缘线象素点的8邻域分析，可以得到曲线在每一个边缘象素点上的曲率，该曲率为一系列的离散数值，其数值分布虽然是象素点的局部信息，但是这些貌似无规律的离散数值的概率分布却包含了整条曲线的宏观曲率信息。为了提取出其中的信息，本文设计了200阶的极低通频带的FIR低通滤波器，FIR有限冲激响应滤波器具有线性相位的幅度和角度特性，可以保证定位点寻找的准确度。经过滤波后，得到了手掌边缘线的曲率图像，曲线的极大值点对应于定位特征点。根据找到的定位点，建立新的坐标系，提取一块方形区域作为ROI。 (3)分析了掌纹特征提取的原则和评价指标，对目前的各种掌纹特征提取算法进行了综合性的分析，这些算法包括了：基于结构的特征提取，基于空域一频域变换的特征提取，基于统计的特征提取和基于子空间的特征提取等。论文分析了它们的优缺点。本文使用了基于掌纹线的特征提取方法，并给出了算法的详细的计算过程，以及线特征的提取结果。