近年来,随着科学技术的不断进步,信息在网络上的传播也变得越来越便利,但是信息安全问题也开始困扰着人们,传统的身份识别技术已经无法满足人们日益增长的信息安全需求。生物特征识别技术是通过对人体固有的特征进行识别来判断人的身份。由于生物特征识别技术具有安全性、便利性和准确性,因此在身份认证方面得到了广泛的应用。掌纹识别技术相对于其他生物特征识别技术具有识别率高、识别速度快和设备成本低等特点成为生物特征识别领域中的研究热点之一。在使用掌纹识别系统的过程中,在验证时系统采集到的掌纹图像和注册时采集到的掌纹图像并不完全相同。在采集掌纹图像时手掌放置的位置不同会造成两幅掌纹图像发生平移和旋转。采集时的光照强度不同,会造成两幅图像的明亮不同。手掌是否完全展开则会使掌纹图像发生形变。现有的掌纹识别算法不能够很好地解决以上问题,从而造成用户认证失败。针对以上问题,本文提出了基于Gabor滤波和方向编码的分块掌纹识别算法和基于MFRAT(Modified Finite Radon Transform)和方向编码的分块掌纹识别算法。本文的主要工作如下:(1)本文提出了使用12个方向的半Gabor滤波器和12个方向的半MFRAT滤波器对掌纹图像进行滤波来获取掌纹图像中每个像素点在12个方向上的滤波响应值,即使一个方向上由于噪声的出现影响了该方向的滤波响应,但是其他11个方向没有改变从而保证了该点依然能被识别。(2)在使用12个方向的滤波响应值对掌纹图像进行识别时,本文将12个方向进行了编码。对方向编码使得本文提出的掌纹识别算法对于掌纹图像小角度的旋转也具有鲁棒性。将方向编码为0或者1,在匹配时进行位操作,从而也提高了算法的速度。(3)在图像匹配时,本文提出了分块匹配策略。以掌纹图像主线上的点为中心获得图像块,对两个图像对应的图像块进行匹配。在匹配时对图像块进行了平移并将所有块的平移参数用于计算最终的掌纹匹配分数之中,使得算法对图像的平移具有了鲁棒性,并且能够提高真匹配分数和假匹配分数之间的区分度,从而提高了算法的识别精度。在香港理工大学PolyU database掌纹数据库上进行实验,经典掌纹算法的EER(等错误率)为0.16%,本文所提的两种算法的EER分别为0.083%和0.094%。实验表明本文所提算法的性能都优于经典算法,可以用于掌纹识别系统。