掌纹识别是通过手掌皮肤的纹路特征来进行身份识别的方法,是在传统身份识别方法上的一种创新,已经成为身份识别领域的热点研究对象之一。目前,掌纹识别技术的研究主要集中于掌纹图像的结构特征、纹线特征和几何特征的研究方面,其中结构特征和纹线特征的研究是重点。由于掌纹图像在采集过程中存在着多种外界环境的干扰,并且相关噪声处理技术的应用并不成熟,大大制约了掌纹识别的研究发展,无法从根本上满足掌纹识别系统的实时性要求。根据该特点,在分析了掌纹识别中的关键技术基础上,分别从区域定位和特征提取两方面进行了研究。通过对现有的掌纹匹配算法的分析和研究,为了提高掌纹特征的识别匹配率,对掌纹角点和感兴趣区域(region of interest, ROI)的提取算法进行了改进,提出了一种基于掌纹边缘线曲率的角点检测算法,并用所提取出的角点建立直角坐标系,完成该掌纹图像的ROI区域的选择,大大减少了旋转和平移性对匹配算法所造成的影响,有效提高了匹配率。为了进一步减少掌纹图像在采集过程中所受到的干扰,从特征提取方面进行了改进,利用contourlet变换具有的方向性和各向异性的优点,以及不变矩算法平移、旋转、比例和对比度变换的不变性特点,提出了一种àtrous-Contourlet变换和不变矩相结合的自适应加权系数的掌纹识别算法,最后再利用掌纹图像频域变换图形近似高斯变换图形的特点,提取出各个方向分解系数的特征系数值作为加权系数,采用优者更优的方式实现了掌纹图像的匹配和识别,从而解决了掌纹采集过程中所遇到的各种平移干扰问题。实验结果表明,在准确率高达99.3%的条件下,定位时间比传统算法提高了0.4s以上,提高了将近10%,有效改进了在线掌纹检测的精确性和实时性。