传统的掌纹识别技术都是基于二维图像进行的,这种方式虽能得到较好的结果但也遇到了一些瓶颈,譬如:安全性方面有待提高,对光照强度等影响也比较敏感,为了提高识别率,本文提出了一种新型的掌纹识别方法—3D掌纹识别。因掌纹在现实中本身就具有三维信息,故在二维掌纹图像信息的基础上,开展3D掌纹识别的研究,不仅能弥补2D掌纹识别的一些不足,也会对其他3D生物特征识别在方法层面上作出贡献。首先,设计使用了基于结构光的3D掌纹采集系统,该技术采用投影条纹法得到手掌上各点相对于参考平面的深度信息,从而获得手掌的三维结构。由于得到的是手掌的空间结构信息,其信息量与二维图像相比,更加丰富和真实,且在获取3D掌纹图像的同时也可以获得相应的2D掌纹图像,有利于2D和3D的融合实现。相比2D掌纹采集系统有很大的优势和突破。继而,通过挖掘三维点云数据和二维图像相关点的对应关系,利用二维掌纹的定位算法来获得3D掌纹的ROI(Region of Interest)区域实现定位。同时根据经典微分几何的曲面曲率在计算上的视点无关性,对所采取的3D掌纹图像进行曲率特征的提取,通过求出每一点的高斯曲率和均值曲率,将其映射到2D图像上,获得均值曲率图像(Mean Curvature Images, MCI)和高斯曲率图像(Gauss Curvature Images, GCI)。最后,为了达到更好的识别效果,通过比较MCI图像和GCI图像的纹理特征信息,选择了纹理信息保留比较丰富的MCI图像近一步的进行特征提取的操作。主要采用降维的方法进行数据压缩,获取重要的特征信息以进行匹配的实现,这样既降低了时间复杂度和空间复杂度,同时也获得了较好的识别效果。主要采用了有效的主成分分析、局部投影保留和独立成分分析,并且提出了一种全新的掌纹识别方法—正则化的线性判别分析。并对实验效果进行了比对和分析。实验结果表明,本文所提出的方法相比与传统的线性判别分析、主成分分析、独立成分分析、局部保留投影等方法有更高的精度和速度,同时消除了传统线性判别分析应用于识别时存在的小样本问题和优化准则函数并不直接与识别率相关等问题。