手掌皮下静脉(以下简称掌脉)分布信息由于不易被窃取,近期已经成为一种新的生物特征识别方法。课题的主要研究工作是针对掌脉识别系统中的主要功能进行研究与设计,实现掌脉图像采集、图像预处理、特征提取与匹配等模块的开发,重点研究目前国内外仍存在的非接触式掌脉识别系统中的有效区域定位问题和噪声大、对比度低、光照不均匀等质量差的图像分割问题,以及识别匹配问题。论文首先对图像的采集方法进行简要概述；其次,针对有效区域定位问题本文通过在掌脉样本采集过程中设置不同采集参数进行两次拍照,分别得到一幅背景为黑色,手掌为白色的手形图像和一幅掌脉图像,利用这种手形图像定位容易的优点先在其上定位有效区域,再在掌脉图像上截取。从而得到固定位置和大小的有效区域图像；然后对于掌脉成像照度不均匀,对比度低,噪声大等因素影响图像分割质量的问题,本文提出一种基于局部灰度极小值掌脉图像自动分割方法,回避了阈值选择,能够有效解决光照不均、对比度低、噪声严重等干扰；最后采用基于掌脉结构特征的匹配方法,提高识别精度和效率。按照上述方法,通过自建的掌脉图库(不同时刻不同光照均匀度条件下拍摄的53人,每人11幅图像共583幅图像)进行了实验,识别率为97.94%,耗时为4.114s。实验证明,本文实现了非接触式掌脉识别系统中的有效区域定位；采用的分割方法除了能够有效地抑制噪声、光照不均、对比度低的影响外,与目前现有的掌脉分割方法相比,在掌脉提取连续性和不需要选择阈值等方面具有更大优势；将匹配方法与当前的方法如点对点法、粗化与细化法、基于灰度的2Dfisher和2DPCA方法进行比较,本文方法使识别率得到了提高,达到了研究目的。