当今社会,随着信息化与网络化的高度发展,信息安全显示出前所未有的重要性。因此,作为其中一个分支的身份识别技术也就具有相当高的研究价值与广泛的应用前景。其中,生物特征识别技术以其特有的稳定性、唯一性和方便性,得到越来越广泛的应用。生物特征识别技术将信息技术与生物技术相结合,利用人体本身具有的物理特征(如掌纹、虹膜、人脸等)或行为特征(如步态、签名、声音等)来确定人的身份,以取代或加强传统的身份识别方法。生物特征识别技术是一项很有前途的生物技术,在市场上已经有很多可行的系统。它以人体唯一的、可靠的和稳定的生理学特征作为鉴别个人身份的依据,采用计算机强大的计算能力和网络技术进行图像处理和模式识别,从而自动验证个人的身份。本文在已有对掌纹识别的方法中作了深入的研究的基础上,给出了一种全新的关键点定位算法,并提出了一种分层次利用特征融合的由粗到细的掌纹识别技术。在该方法中,主要定义了多模态特征:基于K均值算法(第一层特征)和经过小波分解后基于自适应特征加权的Zernike矩纹理特征和ICA纹理特征相融合的BP神经网络方法(第二层特征)。针对两种不同的特征,我们采用先大体聚类后精确分类的算法,并把它们有效的合成到一个识别系统中。最后实验验证了该方法的可行性和有效性。本文主要工作有:(1)对现有的掌纹识别技术进行了深入的研究和比较。(2)提出了一种全新的基于距离的手掌关键点定位以及有效区域分割算法。(3)提出了一种基于K均值算法和经过小波变换基于加权Zernike矩提取纹理特征的和ICA纹理特征相融合的BP神经网络方法的系统,进行两个层次的特征识别,设计出了复合识别的掌纹分类器,并通过实验验证了文中方法的有效性。