伴随着社会的信息化和网络化发展,基于人的生理特征和行为特征的生物特征识别技术成为了保障信息安全的最有效方法之一。掌纹作为一种生理特征具有许多独特的优势,例如丰富的纹理信息和稳定的线特征、对像素要求不高、采集设备价格低廉、采集方式容易被用户接受等,因此受到了各国学者的不断研究和发展。掌纹最主要的特征是不同纹线的尺度变化,也就是纹线的深浅、长短与宽窄等几何特征。作为灰度图像而言,掌纹的纹线就是一些尺度不同的边缘,也就是灰度变化明显的区域。目前掌纹识别的方法有很多种,在空间域内对掌纹图像进行分析和处理时,容易受到各种噪声干扰,并且很难充分表示掌纹的特征。而小波变换最主要的特性就在于对多尺度多分辨率下的图像边缘信息具有很好的描述能力,因此对掌纹图像进行小波变换既能够表示不同尺度的边缘特征,又能忽略手掌过小的细节和非关键特征。同时LBP作为一种局部纹理描述算子,它并不是从单一的像素点来描述纹理,而是用一个局部区域的模式进行描述,每个像素点由一个与之最匹配的局部邻域的原始纹理形成的码值来标记。LBP方法能够广泛地应用于各类纹理图像的识别,并能充分克服传统单一方法的不足。本文以掌纹图像为研究对象,结合小波分析与局部二值模式的基本理论和特点,提出了一种新的掌纹识别方法。首先选取两种不同的小波分别提取掌纹图像的不同频率特征,将对应的子带分别进行融合。由于融合后的各个子带对掌纹图像的不同部分进行了加强或抑制,为了完整保留原始图像的信息,再利用各个子带重构出新的变换后的掌纹图像,最后利用LBP算子提取其纹理特征。本文的主要工作和贡献如下：(1)为了充分利用掌纹图像的有效信息,提出了分别利用两种小波对图像进行变换的思想,对小波分解后的两种低频子带和高频子带分别以不同的规则进行融合,然后重构出新的掌纹图像,再采用LBP算子提取其掌纹特征。新的掌纹图像中有用信息得到了加强,噪声也得到了一定的抑制,取得良好的识别效果。(2)在小波分解的基础上,提出了去除含噪声较多的高频子带的想法。充分利用包含主要能量的低频子带,提取图像二级分解的低频子带,以新的规则进行融合,再重构得到掌纹图像。此方法有效去除了大部分的噪声干扰,并且进一步降低了图像维数,实验证明,取得了更好的识别性能。