身份识别和人们生活密切相关，随着网络的发展，电子商务的广泛应用，人们迫切需要一种简单高效且安全性高的自动身份识别系统。掌纹识别和指纹识别有某些相似性，都是以手为研究对象的生物特征识别技术，但是掌纹因其面积较大，纹理较清晰，具有指纹无法媲美的优越性。近年来，掌纹身份识别技术受到了越来越多的关注，但是并没有形成针对掌纹成熟的处理技术，现在的大部分掌纹处理技术主要还是借鉴指纹识别技术或者其他生物特征识别技术。 本文以掌纹图像为研究对象，充分考虑掌纹的纹线结构特征，提出了针对掌纹的特征提取方法。在图像预处理阶段，根据所使用的掌纹图像的特点，给出了基于图像右边缘旋转不变点的图像分割方法，对所有的掌纹图像都可以正确的定位和分割。在特征提取阶段，根据掌纹图像的纹线具有不同方向的特点，通过四个方向的线检测模板与掌纹图像分别做卷积运算来检测各个方向的掌纹纹线，得到的四个卷积图像分别在与其线检测模板方向垂直的方向上进行投影。投影后的向量作为掌纹图像的特征向量，称为纹线投影特征向量。该特征向量不仅对纹线的间断性和旋转性具有鲁棒性，同时还保留了纹线的宽度和深度信息。针对原始纹线投影向量的维数较大而且有很多的“毛刺”的问题，本文引入小波变换。利用小波变换，把特征向量空间域内的信息转换到频域内，并且分解成低频和高频两部分，频域内的能量主要集中在少量的低频系数上，高频部分对应信号的边缘和噪声，所以可以只保留小波的低频部分来实现特征向量的降维和去噪声。 本文方法的特点：一是提取的纹线投影特征，具有结构特征的准确性和统计特征的健壮性、计算简单性；二是小波变换的分解运算，能够对特征向量有效的降维和去噪。实验结果表明，本文提出的纹线投影特征较统计特征和结构特征有更好的性能。