生物特征识别技术是通过生物统计学原理和计算机等高科技的技术手段密切结合,利用人体固有的行为特征和生理特性来进行个人身份的鉴定。它具有传统的身份鉴别方式所不能比拟的优势,因此已经成为国际上的研究热点之一。掌纹识别技术是生物特征识别技术的一种,它是根据人手掌上的有效信息(如:掌纹)来识别人的身份。每个人的掌纹千差万别,没有任何两个手掌的掌纹是完全相同的,这就是掌纹的唯一性。因此可以利用掌纹的这一特点作人体的身份鉴别。掌纹含有很独特的线特征,包括主线和很多皱褶,这些线特征结合在一起,就具有了很强的区分能力。掌纹识别具有唯一性、直接、方便、友好和应用范围广等优点。本文以掌纹为研究对象,对掌纹的定位、特征提取、分类及匹配等关键技术进行了研究,主要研究内容如下:1)在掌纹图像预处理方面,对掌纹感兴趣区域(ROI)的获取过程进行改进,通过提取出合适的基准点,建立相应的参照坐标系,可以有效减少采样过程中引进的平移、旋转、扭曲等非线性因素的影响,提高了匹配识别算法的鲁棒性。2)在掌纹图像的识别方面,针对经典的PCA算法中不适用于分类的缺点,本文研究了掌纹图像特征值的提取方法,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。实验结果表明,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图像的识别率。3)在掌纹图像分类方面,本文提出了一种将改进的PCA和Fisher线性判别方法相结合的掌纹图像分类方法。此方法先将图像通过改进的PCA算法进行降维,然后对降维后的图像应用Fisher线性判别算法进行分类。实验表明这种识别效果比基于纯FLD的方法更好。