随着社会科技水平不断提高,身份鉴别的准确性、实用性、安全性等方面受到了人们越来越多的关注,传统的身份识别方法已不满足现实需求。由此,大量学者们一直在致力于寻求一种安全可靠的方法。生物特征识别技术是一种个人身份认证技术,通过利用人体固有的生理特征或行为特征来识别,将逐步取代传统的身份识别方法。掌纹识别是生物特征识别中的一种新兴方法,相比其它生物特征识别技术,掌纹具有更丰富的纹线信息和方向信息,加之它的唯一性和终生不变性特征,逐渐成为一种有发展潜力的、有效的身份识别方法,吸引了越来越多的学者进入该领域。但是掌纹的纹线分布在不同的方向中,信息种类繁多,而且不同尺度中,纹线信息量在识别中占据的份量不同,对识别会有一定的影响。如何充分融合掌纹自身的特征形态,在低维空间中准确识别,目前有待解决。为了解决以上问题,提出基于多态掌纹识别技术研究。大体分为四个部分：第一部分针对掌纹纹线的粗细程度、延伸方向,从两方面对比Gabor变换后掌纹的能量,以降低特征维数并准确识别为目的,去除非必要图像。第二阶段着重从纹线走向入手,选择纹线特征较明显的走向,并对其分析,在该方向上获取局部信息强度,最后结合分块思想,并联融合所有网格的特征向量。第三部分试图挖掘能够准确描述掌纹纹线尺度、方向并能保证识别精度的同时替代Gabor变换,较快捷降低特征维数的算法——第二代曲波变换。分析对比曲波变化后掌纹每层图像特征,选择性的融合局部二值模式算法,提出一种基于CLBP多态掌纹识别。最后一部分针对掌纹特征提取困难、稳定性较差以及特征维数较大的问题,深入剖析Curvelet算法,提出一种基于空间匹配的掌纹识别算法,该算法可以将掌纹稳定曲面作为特征进行匹配,算法简单、稳定、快捷。