在信息时代里，信息安全已经变得越来越重要，密码学是保障信息安全的一种基本手段。传统的密码系统都是基于口令或密钥的，而这些口令或密钥容易受到字典攻击，很难记忆和容易被非法窃取，是因为口令或密钥和用户之间缺乏必然的联系，系统不能区分使用者的身份。为了解决这个问题，我们必须在加密的信息或密钥和用户之间建立某种对应关系，而基于生物特征的加解密系统可以克服传统密码系统的不足。基于掌纹特征的数据加解密技术是生物加解密技术中的一个重要的研究领域。　　目前大部分掌纹加解密系统中的设备是接触式的，在使用时会让用户产生被侵犯感，且不同人频繁地接触设备，容易传播细菌和疾病，不容易被用户接受。本文使用非接触式掌纹采集设备可以解决这一问题。因此，基于非接触式掌纹特征的加解密算法研究具有重要的研究意义和广阔的应用前景。本文研究内容主要包括以下几个方面：　　首先，鉴于本文采用的是非接触掌纹采集设备，这会给采集到的手掌带来一定的自由度，导致关键点定位不准确。针对关键点定位的准确性影响系统性能，提出了手指张开时的和手指并拢时的关键点定位算法，最后用掌纹识别技术进行实验，实验结果证明了这两种关键点定位算法的准确性和稳定性。　　其次，提出了一种基于查找表的掌纹加解密算法。该算法直接使用掌纹模板对数据进行加解密，并不要求加密和解密阶段所使用的掌纹特征完全相同，只要求这二者足够相似就可以正确地完成数据加解密。使用查找表加解密算法进行数据加解密，并用RS纠错编解码技术进行数据恢复。该算法有效的消除了掌纹模板之间的模糊性且安全性高。　　最后，提出了一种基于等概率量化方法的掌纹密钥生成算法。该算法可以从两个相似的掌纹特征中生成完全一样的掌纹密钥，并用该密钥对数据进行加解密，具有用户特异性。首先需要确定量化参数，然后用得到的量化参数量化特征矢量。该算法中量化概率的确定是基于最小错误率的，即找到最优量化区间使得FRR和FAR之和最小，再计算最优量化区间在全局特征分布概率密度函数上的概率，再等概率地量化全局特征的分布区域。实验结果证明该算法的有效性和通用性。