生物特征识别技术就是通过计算机和生物统计学原理等高科技手段的密切结合,利用人体固有的生理特性和行为特征,来进行个人身份的鉴定。它被认为是当今高度互联的信息化社会的最高级别的安全密钥系统。近年来正以其独特的优势引起了国际学术界、企业界、政府以及国防、军事部门的高度重视。掌纹识别是众多生物特征识别技术的一种,具有非常重要的意义。掌纹识别指通过人体手掌的掌纹中包含的有效信息来识别个人的身份。人的掌纹具有唯一性,且终身不变,根据这一特点,掌纹可以被用作人体的身份识别。掌纹识别的算法很多,包括刚刚兴起时利用掌纹点特征的方法,以及后来的频域方法,主成分分析法,独立成分分析法,等等。其中的每种算法都是各有优缺点。因而近些年来,研究学者们倾向于将几种算法混合起来实现掌纹识别。本论文也是从此角度出发,潜心研究了掌纹识别技术中的PCA关键技术,并在研究的基础上对其进行改进和创新。即是针对经典PCA算法中并不适用于分类的缺点,在本文对掌纹图像的的实验分类中,选取那些使样本类内离散度较小,而样本类间离散度较大的特征值来表示原有的掌纹图像信息。将此思想应用于实验中时,结果证明,此改进算法既不会丢失掌纹图像的原有信息,又在一定程度上提高了识别率。本实验同时也将改进的PCA算法和ICA算法结合起来,即是在对掌纹图像经过改进的PCA处理后,再进行独立成分分量的提取,并将两种算法应用于一个掌纹识别系统中。实验数据显示,两张方法的结合与单一方法相比,在时间上并无明显差别,但是对于同等数量的掌纹图像,其识别率较其中的某一种方法得到了显著的提高。实验最后还作出了本算法的掌纹识别系统。