随着数字化时代的到来，生物特征识别技术在理论研究和实际应用中都得到了迅速的发展。生物特征识别技术是指通过计算机利用人体所固有的生理特征或行为特征来进行个人身份认证的一种技术，常见的生物特征识别技术有指掌纹识别、虹膜识别、人脸识别、语音识别等。　　 掌纹依靠其唯一性、终生不变性和采集方便性等特点，已经成为生物识别中的一个热门领域，而高分辨率掌纹识别作为掌纹识别技术中的一个重要部分，已经成为刑侦领域一种新的技术手段，并逐渐开始引起人们的兴趣和重视。但是，高分辨率掌纹识别研究还处在起步阶段，仍然面临着各种困难和挑战。　　 本文主要针对高分辨率掌纹识别中存在的图像尺寸过大，褶皱干扰过强这两大困难，根据公安系统中的一些实用要求，对掌纹图像预处理及特征提取部分，提出了几种有效的算法，其中的若干算法，已经嵌入北京市公安局的刑侦识别系统并在实际破案工作中进行试用。本文的主要贡献包括以下几方面：　　 1.掌纹图像预处理方面：　　 提出了一种基于灰度方差及二次阈值的掌纹图像分割算法。该算法选取灰度方差作为特征，利用自动阈值选取方法进行前背景分割。同时，在一次阈值分割的背景上利用二次阈值再次提取前景，消除掌纹图像各部分区域对比度差别较大的影响。最后，利用形态学和连通域计算等方法对前景区域上小的背景区域和面积较小的孤立前景区域进行了填补和去除。从实验结果看，该算法能够高效的得到正确的分割结果。　　 提出了一种基于主方向的掌纹图像左右掌判别算法。左右掌信息是掌纹独有的特征，在识别时先对左右掌进行判定，可以大大提高识别的速度。该算法利用掌纹外侧区域方向比较一致的特点，从方向直方图中计算出外侧区域的主方向，并根据掌纹左右掌外侧区域方向具有明显区别的事实，使用提取出的外侧区域主方向，对掌纹图像的左右掌进行判别。在数据库上的测试表明，该算法具有很快的判别速度和很高的判别正确率。　　 2.掌纹分区方面：　　 提出了一种自适应的T型结构掌纹图像分区算法。掌纹图像可由一个T型结构分为指根区域、内侧区域和外侧区域三个部分，合理的利用这些分区信息，可以有效的提高掌纹识别的效率和正确率。该算法利用掌纹中的主线信息，结合掌纹的灰度和方向场构造一个目标函数，通过搜索寻找目标函数的最大值实现T型结构的定位，从而实现对掌纹的分区。实验结果表明，该算法能够获得有效的掌纹分区结果。　　 3.掌纹图像特征提取方面：　　 提出了基于双尺度方向场的奇异点提取算法和基于Gabor相位的掌纹细节点提取算法。其中奇异点提取部分，首先利用Poincare Index在傅里叶变换下采样的方向场上进行奇异点粗提取。然后，在粗提取的奇异点周围逐点计算方向，并使用Poincare Index进行精确定位。同时，还利用复数滤波计算中心点的方向，对精确定位时产生的伪奇异点进行去除，并对奇异点的可信度进行度量。细节点提取部分，使用复数形式的Gabor滤波器对图像进行增强，并且在增强的同时得到增强图像的Gabor相位，利用Gabor相位图中不连续的跳变线与掌纹脊线中心的对应关系，直接从Gabor相位图中提取出细节点，从而绕过了常规细节点提取方法中二值化、细化的步骤。同时，还利用滤波结果的模对细节点可信度进行了度量。从实验结果看，该特征提取方法具有很好的提取效果。