人体生物特征识别技术(Biometric)是一种将信息技术与生物技术相结合,利用人体本身具有的生物特征进行身份识别的技术.包括物理特征和行为特征等在内的生物特征具有"人人拥有、人各不同、长期不变"的特点,从而可以取代或加强传统的身份识别方法.随着国家安全、金融证券、社会福利、电子商务等领域安全性需求的增强,新型的身份识别技术变得越来越重要,尤其是911之后,这种需求更为迫切,生物特征识别将为此提供有效的解决方案.掌纹识别作为一种可靠的生物特征识别技术,具有重要的理论研究价值和应用前景,吸引着国内外众多的研究人员.目前,关于掌纹识别技术的研究方兴未艾,有许多算法已经被证明有效并且被开发成实际的系统.一个掌纹识别系统包括图像预处理、特征提取和分类器等几个模块.本文提出了一种基于小波变换和不变矩的掌纹识别算法.掌纹上的主线、褶线和乳突纹等特征具有不同的分辨率,这促使我们利用多分辨率分析的方法处理掌纹图像.本方法首先对预处理后得到的掌纹子图进行不同分辨率下的二维离散小波变换,对于每个分辨率下的近似图像进行归零处理,再进行离散小波逆变换,得到一系列含有线结构特征的相似图像,然后把每个相似图像分割成大小相等互不重叠的一些小图像,最后对这些小图像取不变矩,构造掌纹特征向量.掌纹匹配利用的是特征向量中对应的分量之间的相关系数,最终的分类标准是这些对应分量相关系数的均值.为了评估算法的性能,我们在较大的掌纹数据库上进行了实验.实验结果说明了本文提出的掌纹识别算法具有良好的鲁棒性和有效性.