生物特征（人脸、指纹、虹膜等模态）识别极具发展前景的新型身份认证方式。与其他模态相比,掌纹包含丰富的鉴别性特征、用户接受性强、隐私性高等优点,逐渐成为近年来的研究热点。编码类掌纹识别算法具有无需训练,非数据驱动,存储量低并且匹配速度快等优势,是一种重要的实用化主流技术。在编码类掌纹识别算法中,通常将掌纹图像均匀划分为4×4个像素的子块,每个子块下采样为一个特征点,因此模板尺寸仅为原始图像的1/16。传统下采样方法直接选择每个子块左上角像素作为特征,完全忽视其他像素,导致信息严重丢失并且难以全面反映块内数据,导致随机性高、鲁棒性弱、鉴别性低等问题。因此,本文重新深入研究并设计了三种全新的掌纹下采样方法和一种全新的混合特征,均可以直接嵌入已有编码类识别算法中,实用、经济、便捷、通用地提升这些算法的精度和鲁棒性。本文对掌纹识别算法的国内外研究现状以及主流编码识别算法进行了综述,分析了下采样的重要性和意义,结果显示通过更改下采样方法,可以有效抵御错位以及旋转等因素的干扰。主要工作包括:（1）提出一种民主投票下采样方法,赋予每个像素相同的权力,对所在块的特征进行表决。由于增加了决策者的数量,比传统方法更准确地反映出块内的主要信息。此外,提出拓展的信息熵公式和基于统计学的模型验证了稳定性和鲁棒性。（2）提出一种极限下采样方法,选取块中最具有代表性的像素作为该块的代表,有效避免响应较差的像素参与产生的副作用。当两个掌纹图像对齐不理想时,参照块的代表像素如果处于对应的错位块中,该像素将具有更高概率赢得错位块的代表选举,因此,下采样后的特征更加鲁棒、稳定、具有更高鉴别性。（3）提出一种混合特征方法,保存极限下采样与传统下采样两种方法提取的特征模板。传统下采样保留了空间信息而忽视了鉴别性与鲁棒性特征信息,极限下采样则与其相反。因此,两种方法具有高度的互补性,在匹配时进行分数级融合,减小类内以及类间分布的方差,可以得到更高精度。（4）提出一种均匀窗口采样策略,选取每个块中左上角4个像素（2×2）作为候选团进行极限下采样和民主投票下采样。从而既保留了传统下采样中空间信息,又继承了民主投票下采样和极限下采样多点参与的鉴别性、鲁棒性等优势。综上所述,本文对下采样的重要性进行了分析和论证,探讨了现有编码类掌纹识别方法的问题,并提出了三种新型下采样方法和一种新型混合特征,这些方法嵌入到已有编码类掌纹识别算法后,均可以取得明显的性能提升。