掌纹识别是利用人的掌部纹理进行身份确认的生物特征识别技术，它是生物认证领域的新分支。与先前的技术相比，掌纹识别具备的优势使他拥有广阔的研究前景。　　本文一共介绍三种识别方法，分别是基于小波和不变矩的掌纹识别算法、基于Gabor滤波器和不变矩的掌纹识别算法以及2D掌纹灰度图像和红外图像的融合算法。　　首先第二章简要地介绍了在前期学习过程中实现过的基于小波和不变矩的算法。这种方法利用小波的多分辨率分析思想，对多个分辨率上的掌纹图像进行分解，再利用水平、垂直和对角线的细节分量进行重构。虽然这种算法的实验结果并不理想，但是，对以后的学习和研究有不少启迪，所以本文在开头对它进行了介绍。　　第三章提出了基于Gabor滤波器和不变矩的掌纹图像识别算法。该算法在预处理阶段对掌纹ROI（RegionofInterest）图像进行了二维小波分解，获得近似掌纹图像ALROI(AproximationLow-resolutionRegionofInterest)后再做Gabor滤波变换，然后对变换后的图像的各个像素点取模，再将这样的模图像分割成大小相等互不重叠的一系列子图像。最后分别提取这些子图像的不变矩，把它们组合成特征向量矩阵。该算法将Gabor滤波器和不变矩结合应用于掌纹识别，并可直接提取特征，免去了诸如图像增强、纹理细化等预处理过程。算法在香港理工大学公开掌纹数据库上实验，获得了很高的识别率。　　第四章主要是介绍一种基于掌纹2D灰度图像和红外图像融合的身份识别算法。在该章中，我们将掌纹2D灰度图像（以下简称掌纹图像）和红外图像（以下简称血管图像）通过小波做一层分解，提取到近似图像后，再在特征层作单一的图像融合，然后用胡氏不变矩提取融合特征，最后用最小距离分类器进行分类，实验证明了该算法的有效性和稳定性。