身份的鉴别是关系到国家安全和社会稳定的恒久话题。在传统的基于标识物或口令的身份鉴别方法无法满足社会需要的情况下,生物特征识别技术应运而生,成为采用科技手段辨别身份信息的新方法。随着技术的日益发展与成熟,生物特征识别技术的工作环境逐渐从实验室下的封闭性环境转向复杂的开放性环境。基于指纹、人脸的识别技术已经在社会中开放性环境下的不同领域发挥了各自的作用。同上述特征相比,基于掌纹特征的识别技术研究兴起较晚,尚未得到广泛的应用。掌纹特征的表示形式先后经历了以结构特征、变换域特征、子空间特征、统计特征为代表的单一特征形式到多种特征信息的融合形式的变化。在上述特征表示形式中,除结构特征外,其余特征形式的提取更多地将图像视为一个矩阵进行变换,而较少关注图像本身包含的颜包、形状、纹理、空间位置关系、区域性的视觉信息甚至图像的语义信息等能够表达图像“内容”的特征。图像的内容具有在不同层次上描述和表征图像的能力,这使得基于内容的图像检索(CBIR)代替了基于文本的图像检索成为更加先进的图像检索技术。本文对基于图像内容的手部特征识别技术进行了较为深入的探讨,从不同层次上对手部特征图像进行分析以实现身份的鉴别,解决了在手部特征识别技术实用化进程中存在的问题,例如开放性环境下容易出现的低质量图像的识别问题,以及在少量训练样本下保持系统性能的问题等等。本文的主要研究内容可归纳如下:1.分析现有的手部特征识别技术,指出手部特征识别技术中存在的问题和不足。提出广义和狭义的手部特征定义,提出采用图像的各层次内容特征解决广义和狭义定义下的手部特征识别技术中现存问题的思想。2.针对掌纹纹理具有的天然多分辨率特性,提出结合小波多分辨率分析(MRA)和具有仿射变换不变性的不变矩函数的算法,在不同分辨率尺度上对掌纹感兴趣区域(ROI)图像中包含的纹理内容信息进行描述。3.在低分辨率下的狭义手部特征图像中,如皱纹、细节、纹理等传统特征形式的清晰度和可提取程度均低于正常分辨率下的狭义手部特征图像。结合低分辨率图像的特性,提出基于底层内容特征中几何形状和灰度分布信息的层次识别算法:在粗分类阶段增加指窝点间连线构成的三角形内角值作为对传统的基于线段长度的手形描述的补充;在细分类阶段,根据不同位置的主线、皱纹和表层皮肤颜色的深浅在灰度图像上对应了不同灰度级这一特性,提出以局部灰度信息熵表示局部灰度分布的特征提取方法,实现灰度信息同空间位置信息的结合。4.提出以区域代替点线作为描述低分辨率下狭义手部特征图像的结构元,解决了点线作为结构元所具有的提取不稳定性。提出低分辨率狭义手部特征图像的简单顺序标记分割算法,利用狄度图像中像素梯度具有描述该位置狄度变化率的能力,以像素的方向梯度为依据实现对狭义手部特征图像的分割。通过限制区域面积选择在类内图像间具有分割稳定性的条件区域。因区分性能良好的粗大纹线和纹线密集区域相比周边区域对应了较低的灰度,在条件区域集合中选取具有低平均灰度的区域,计算区域中心的空间位置信息作为区域性内容特征。最后定义区域空间位置关系矩阵完成不同维数的特征向量间距离的度量。实验表明,以区域作为结构元的特征提取方案对平移和旋转操作具有鲁棒性。5.手部特征图像的特性决定了难以提取直观、显式的、可区分类别的语义特征。我们将隐式语义引入手部特征的分析。常用于文本分析的隐式语义分析(LSA)可以绕开对自然语言的理解,通过对大量样本的统计分析抽取数据间的关联作为语义概念。借助该思想,我们抽取手部特征图像的局部信息所反映的特性作为局部语义,提出基于非负矩阵分解(NMF)的掌纹ROI图像的LSA,实现从语义层次上对手部特征图像的描述。由于传统NMF算法采用随机初始化的方案并且计算复杂度过高,不适合直接用于实时的手部特征识别系统,我们改进现有的NMF算法,实现了NMF性能的稳定性,并且降低了算法复杂度。改进后的NMF算法破应用于掌纹ROI图像的实时LSA。6.以掌纹ROI图像的子空间方法为例,通过移除连续多个主成分向量的组合以及单独的主成分向量,验证子空间内主成分的选择在不同的子空间构成准则下对特征空间的构建和系统性能的影响,选择对于掌纹ROI图像数据库应移除的主成分数量的最佳取值。实验结果表明,主成分中同样包含影响正确分类的干扰和冗余信息,选择适当的主成分组合构成特征空间的做法有效的提升了系统性能。