随着信息社会的到来,人们对于信息安全越来越重视。传统的保密与认证方式已经越来越难以保证认证的安全性。然而,利用个人独特的生物特征所辨认其身份的生物特征识别技术,则由于其难以复制或伪造的特征,可以真正有效的解决安全认证问题而受关注。生物特征识别技术就是将信息技术与生物技术相结合,利用人体固有的生理特征(如指纹、虹膜、脸型、掌纹等)和行为特征(如步态、签名等)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。这种新技术可广泛应用于国家安全、金融、社会福利、电子商务等领域,已成为本世纪最有发展潜力的技术之一。掌纹识别技术利用人的掌部纹理作为生物特征进行身份的自动确认,是生物特征识别领域的又一新兴技术。掌纹由于易于获取,主特征明显、稳定、具有可分性等特点,以及掌纹自动识别系统具有直接、友好、方便、良好的唯一性和应用范围广的优点,因此是一种很有发展潜力的身份识别方法。本论文以掌纹图像为研究对象,主要针对掌纹图像的特征提取进行了深入的研究。具体来说,本文主要研究内容包括以下几点：1.讲述了生物特征识别和掌纹识别的意义、历史、发展以及现状,介绍了几种常见的生物特征识别技术及其优缺点,并对掌纹识别系统及其评价参考进行了总体的概述。2.通过掌纹的结构特征及优势、掌纹识别的基本过程、掌纹图像的获取技术,掌纹识别研究的发展及现状等方面内容,介绍了掌纹识别技术。3.总结了掌纹识别中的各类特征提取方法,并对其中的一些特征提取算法进行了较为详细的阐述。4.提出了一种改进的基于Gabor小波变换和二维主分量分析(2DPCA)的掌纹识别。2DPCA克服了传统Gabor小波变换后直接进行主分量分析(PCA)遇到的维数灾难问题,并且将PCA与Fisher线性判别(FLD)结合起来,利用了以前仅用于降维的PCA特征和FLD特征相融合进行掌纹识别。实验结果表明,该方法不仅有更高的识别率,而且维数更低。5.提出了一种基于Gabor小波变换和双向二维主分量分析(即2D-2DPCA)的掌纹识别。双向二维主成分分析是二维主成分分析的改进算法,将其应用于掌纹识别,通过在垂直和水平两个方向上各执行一次二维主成分分析,消除了掌纹图像行和列的相关性,大大压缩了特征的维数。实验结果表明,该方法具有较高的识别率和更低的算法复杂度。