人体生物特征识别技术是21世纪最有发展潜力的技术之一。通过人体生物特征识别技术进行身份识别克服了传统识别方式容易被窃取、伪造或者丢失、遗忘等缺点,使得该技术广泛地应用于信息安全等领域。基于掌纹特征的身份识别因其具有无侵害性、成本低、隐蔽性、不需要被测者特殊配合等优点,得到广泛的关注和重视,具有广泛的应用前景。本文以低清晰度下的掌纹识别技术为研究对象,通过对低质量掌纹的定位、归一化、特征提取和匹配识别等处理,较好地解决了低清晰下的掌纹识别问题。论文主要包括以下工作：1.掌纹图像的预处理。为了克服以往预处理方法计算量大、定位能力差等缺点,本文提出了一种基于自适应的Harris角点检测的掌纹定位方法,同时针对低清晰度的掌纹图像,在预处理中采用了PCNN的图像增强技术进行掌纹图像的增强,极大的改善了图像低质量对识别效率的不利影响。2.利用图像的不变矩特征对掌纹进行特征提取。为了减少计算量,提高识别效率,本文首先将掌纹感兴趣区域分割成四个子块,然后对每个子块进行特征提取,这样,每一幅掌纹图像就可以用四个七维不变矩表示,可以有效降低掌纹识别系统运行的时间复杂度。3.利用支持向量机(SVM)的方法对掌纹特征进行匹配、识别。为了准确的选择SVM的参数以提高识别效率,本文采用了交叉测试的训练方法选择SVM的参数,保证了最终的识别效率。最后,利用Matlab仿真软件进行整体系统的仿真实验,对文中提出的算法进行了实验验证。同时对掌纹识别的前景进行了展望,通过各种算法匹配结果的比较,得出了该方法在某些方面的不足及其可进一步改进的可能性,在进行掌纹识别的广泛使用背景下,我们也希望有更多的识别算法的出现。