网络信息化时代,如何进行简单有效的身份识别与认证,保护信息安全,是急需解决的关键社会问题。利用人体固有的生理特征或行为特征进行个人身份鉴定的生物特征识别技术,因其安全可靠、简单便捷,已逐渐取代基于持有物或密码的传统身份认证技术。掌纹识别作为一种较新的生物特征识别技术,具有许多独特的优势。与指纹识别相比,掌纹区域有更大的面积,包含更丰富的纹理信息;与人脸识别相比,掌纹识别对双胞胎更有区分力;与虹膜识别相比,掌纹更易采集,用户接受度高;与静脉识别相比,掌纹识别率更高,稳定性更好。然而,掌纹识别技术目前尚不够成熟,为了将该技术产品化,还需要进行更深入的研究。本文介绍了掌纹识别系统的基本框架,并提出了有效的基于局部描述子的掌纹识别方法。论文的主要工作概括如下:(1)基于双Gabor方向韦伯局部描述子的掌纹识别。结合掌纹图像的纹理特点,对原始韦伯局部描述子(WLD)中的差分激励和梯度方向进行改进,提出双Gabor方向韦伯局部描述子(DGWLD),以提高掌纹识别率。在构建新的差分激励图时,通过加入邻域像素点与中心像素点间灰度差分的方向信息,扩大异类掌纹间的差异。同时,采用双Gabor方向代替原始的梯度方向,减小平移和旋转对识别的影响。此外,为了更好地衡量特征间的相似度,使用交叉匹配算法,进一步提升识别率。在PolyU,PolyU MSpalmprint和CASIA掌纹库上进行实验,识别率均达到100%。实验结果表明,与其它局部描述子和已有改进的WLD方法相比,该方法具有更高的识别率和更低的等错误率。(2)基于局部联合边缘和方向模式的多光谱掌纹融合识别。针对掌纹图像边缘梯度特征和方向特征较突出的特点,提出一种新的局部联合边缘和方向模式用于提取掌纹特征。首先,采用Kirsch算子计算掌纹图像在8个不同方向的边缘响应值,使用最大边缘数描述掌纹图像的边缘特征。采用Gabor滤波器或改进的有限Radon变换提取掌纹图像的方向特征。然后,对边缘特征和方向特征进行联合分析,构建二维特征矩阵。实验结果表明,与现有的掌纹识别方法相比,基于局部联合边缘和方向模式的方法具有更高的识别率,更低的等错误率和更快的识别速度。最后,利用等错误率对不同光谱下的掌纹进行融合识别,进一步提升了掌纹识别的精度。