掌纹识别技术作为生物特征识别领域的一项新兴技术，与其它生物识别技术相比，掌纹拥有主特征明显、稳定、易于采集和用户接受程度高等诸多优点，从而备受关注。然而，掌纹识别技术尚处于发展阶段，其理论和应用方面的研究都有待于进一步深化和完善。在此背景下，本文选择了三个掌纹库作为测试对象，包括香港理工大学掌纹库、中科院自动化研究所掌纹库和实际采集的研究室掌纹库，对掌纹识别技术中的图像预处理、特征提取等关键问题进行分析研究，主要工作内容如下：　　 首先是掌纹图像的预处理。本文经过图像的二值化、形态学处理、轮廓提取、定位分割、采样和直方图均衡等一系列处理之后，完成了对掌纹感兴趣区域(ROI)的提取。在预处理过程中，考虑到掌纹库的采集环境有所区别，利用直方图确定阈值，完成掌纹与背景的分离。研究了一种基于正方形的定位分割方法，针对轮廓提取后还带有噪声的图像，进行相应的算法调整，以达到准确定位拐点的目的；而且考虑到图像拍摄距离的差异，在确定掌纹中心时选择合适的定位距离，使得ROI能够最大限度保留掌纹的有用信息。利用二层小波变换进行一个下采样，提取变换后的低频部分，将ROI由128×128变为32×32，既保留了主要特征，又有效的减少了数据量。预处理完成之后，使用三种基于子空间的方法对ROI进行特征提取，包括PCA、2DPCA和改进2DPCA三种算法。最后使用最近邻分类器，根据提取特征的不同，选择相应的距离准则对掌纹图像进行分类识别。　　 在理论研究的基础上，本文在VC++6.0平台下开发了掌纹识别软件系统，并分别在三个掌纹库上进行了测试。通过对比分析三种算法的识别效果，发现改进2DPCA算法不但在识别率上要优于其它两种算法，而且由于特征维数较小，识别速度也得到了有效的提升。