随着计算机技术的不断进步,掌纹识别技术已逐渐成为在模式识别、人机交互和机器学习等核心领域中的研究热点之一。掌纹识别具有侵犯性低、成本低、稳定性好等优点,已受到业界的普遍关注,具有广泛的应用前景。到目前为止,尽管掌纹识别技术已经愈加完善,但特征提取与特征匹配仍是掌纹识别的核心问题。现阶段,特征匹配问题的研究相对较少,影响着掌纹识别效果的进一步提升,因此成为本研究的重点内容。本文主要研究了掌纹识别的相关技术。通过研读大量掌纹识别的文献,了解掌纹识别算法近年来的研究成果,并对各类掌纹识别算法进行了介绍、归类和比较。重点针对模式匹配问题,结合(2D)2PCA特征,分别提出了基于模糊分类与压缩感知的掌纹特征匹配方法。本文的主要工作如下：(1)提出基于分块双向二维主成分分析(M(2D)2PCA)和模糊分类的掌纹识别方法。首先将掌纹原始图像分成不重叠的子块,每幅图像对应位置的子块组成子图像训练集；之后对每一分块图像矩阵进行(2D)2PCA操作提取特征,测试样本图像也采用相同方法得到特征矩阵：最后采用模糊理论进行分类得出最终识别结果。模糊分类容许了数据性质的模糊性,适用于区分性较差的类。使用北京交通大学掌纹数据库的实验结果表明,该方法可得到更高的识别率和更少的识别时间。(2)提出融合双向二维主成分分析((2D)2PCA)与压缩感知的掌纹识别方法。首先利用双向二维主成分分析对掌纹图像行列两个方向进行降维,提取特征矩阵,做为压缩感知算法的过完备字典。然后通过分类正交匹配追踪算法(COMP)求解图像在过完备字典上的稀疏表示,以得到一组最优稀疏系数重构每个图像,最后求得测试图像与各类重构图像的最小残差得出分类结果。基于北京交通大学掌纹库的实验结果表明,该方法可以得到较高的掌纹识别率。