人体的手掌静脉具有稳定性、唯一性的特点，是一种可用作身份鉴别的生物特征。掌脉隐藏在表皮下，在可见光下无法拍摄，却可以在近红外光下拍摄，其结构复杂很难被复制。掌脉拍摄需将手掌伸平，而人手在自然状态下处于半握拳状态，因此无法窃取拍摄掌脉图像，非活体手掌因血液停止流动将不能通过认证，所以掌脉又是一种可以作为“活体识别”的生物特征。这些使得掌脉成为一种安全性好的生物特征。作为生物特征识别领域的前沿课题，手掌静脉识别技术以其高安全性等优势拥有着广泛的应用前景，成为近几年的研究热点。目前掌脉识别的研究还处于实验研究阶段，要开发出真正鲁棒、实用的掌脉识别系统，还需要解决许多问题。本文做了以下主要工作：（1）针对识别性能最佳的主动光源波长选择问题，从两个角度对典型的掌脉识别成像波长：760nm、850nm、890nm、940nm进行了比较。从掌脉特征提取角度，建立了基于FDR(Fisher判别率)的掌脉成像清晰度模型，对4种波长拍摄的掌脉清晰度进行比较；从特征匹配角度，以3种典型的生物特征识别算法对4种波长拍摄的掌脉图像进行识别性能比较。模型选择和典型算法的实验结果都表明：850nm优于其他3种波长。（2）针对传统掌脉识别以掌心区作为感兴趣区域(Region Of Interest,ROI)，一直受到部分人群掌心区掌脉成像不清晰的困扰，以致影响整个识别系统的性能的问题，本文研究了掌脉图像感兴趣区域的选择和定位问题。对手掌上的三个区域：掌心区、大鱼际区和小鱼际区进行医学分析和三区域静脉吸光量对比实验，选择出大鱼际区作为ROI区域。进而，提出基于大鱼际区的感兴趣区域定位方法。以靠近手腕侧最大内切圆确定手掌上的两个稳定特征点，利用这两个稳定特征点确定ROI。（3）针对手掌静脉识别系统的安全性问题，提出了一种基于灰度曲面匹配的接触式快速掌脉识别算法。首先对手掌静脉图像提取感兴趣区域，将感兴趣区域等分为若干个子区域，计算每个子区域像素灰度平均值作为该子区域灰度值，以各子区域灰度值构建待匹配图像。匹配时对两个待匹配灰度曲面中的像素灰度做差，得到灰度差曲面，求出该灰度差曲面的方差，将此方差作为衡量两个掌脉特征曲面之间距离的依据，并据此判定两幅掌脉图像是否来自同一只手。实验结果表明：方法具有快速性，为进一步提高掌脉识别系统的安全性提供了一条可行途径。（4）针对非接触采集的约束性降低可能会导致图像变形，同类图像类内差别增大，识别效果不佳的问题，提出了一种基于分块和偏最小二乘的非接触式手掌静脉识别方法。采用分块算法对图像进行快速降维，同时部分解决图像旋转平移问题。用偏最小二乘算法提取掌脉图像中灰度值变异大的若干方向，省去灰度值变异小的方向，且所提取的主元与类别信息相关性最大。使样本最大限度克服旋转、平移、比例缩放以及光照改变造成的类间差距，向最有利于分类的子空间投影以得到稳定的特征向量，同时再次降维，最后利用欧氏距离进行分类识别。实验结果表明：与传统掌脉识别方法相比，该方法能有效地提高正确识别率，降低误拒率。