近年来，基于人体生物特征的身份识别技术越来越受到国内外学术界、企业界、政府以及国防军事部门的高度重视，并且产生了巨大的社会与经济效应。人体生物特征识别技术是指利用人体所固有的生理特征(人脸、指纹、视网膜、虹膜、掌纹等)或者行为特征(签字、语音等)来进行身份识别的技术。人体生物特征识别技术与数字图像处理和模式识别领域密切相关：首先对生物特征图像进行图像预处0理以提取生物特征，然后利用提取的生物特征进行身份识别。基于掌纹的身份自动识别技术，是对人体生物特征识别的重要补充，以其所具备的唯一性、信息量丰富、较好的稳定性等优点引起了国内外许多学者的关注和兴趣。 论文综合分析和研究现阶段掌纹识别领域内的方法，设计并实现了一套基于掌纹的身份自动识别系统，在掌纹图像采集、预处理、特征提取和匹配几个方面进行了部分的改进与创新。论文的主要研究工作可以概括为以下四个方面：(1)掌纹图像采集。综述和分析了当前主流的采样设备以及相应的样本图像的优缺点，利用我们的生物特征识别研究组自行设计制作的采样设备，建立了一个大型的掌纹样本库(人数为375人，左右手分别至少10幅掌纹图像)。(2)掌纹图像预处理。针对云南大学掌纹库的特点，改进了传统的掌纹图像预处理方法，该方法可以精确地提取出ROI区域。(3)掌纹特征提取。论文关注基于空域一频域变换的特征提取方法，系统分析和研究了基于傅立叶变换、基于Gabor变换、基于小波变换的特征提取方法，改进了一种小波特征提取方法，从实验结果可以看出该改进算法的有效性。(4)特征匹配。论文设计了一个简单有效的掌纹分层分类算法，同传统识别算法相比，该算法不仅大大提高了分类效率，而且提高了分类的正确率。进一步，论文利用支持向量机(SVM)进行掌纹识别：首先用支持向量机对特征向量进行训练，然后用训练好的支持向量机进行掌纹识别，对1Vr方法和1V1方法的实验结果进行了对比和分析。实验结果显示，支持向量机在掌纹识别过程中表现出较好的性能，并且得到了较高的识别率。