1 掌纹识别技术介绍 1 .1 依据哪些判断掌纹： 主线、皱纹、细小的纹理、脊末梢、分叉点。 掌纹中最重要的特征是纹线特征，点特征需要在高分辨率和高质量的图像中获取，因此对图像的质量要求较高。纹理特征，主要是指比纹线更短、更细的一些纹线，但其在手掌上分布是毫无规律的。 利用掌纹的纹线特征、点特征、纹理特征、几何特征完全可以确定一个人的身份。掌纹有比指纹更好的分辨能力和更高的鉴别能力。 训练样本录入阶段和测试样本分类阶段 测试样本分特征提取步骤后，送入分类器进行分类。 这两部分都包括以下三步：掌纹图像采集、预处理以及特征提取。 掌纹图像采集：一般采集二维灰度图像，产生矩阵。 预处理：如去噪、对退化进行复原。 特征提取：经过预处理的信息数据往往十分庞大。因此需要对信息数据进行特征提取和选择，即用某种方法把数据从模式空间转换到特征子空间。使得在特征空间中，数据具有很好的区分能力。 分类决策：分类是将样本的特征空间划分为类型空间。对于给定的未知模式，确定其为类型空间的某种模型。特征提取和选择在很大程度上影响了分类效果，而好的分类器设计和方法也会提高系统分类性能。 怎样进行识别：1 ）基于点特征、线特征；2 ）基于掌纹纹理特征；3 ）基于子空间；4 ）分级融合 1 ）点特征需要在高分辨率的图像中提取。若点的数量较多，则匹配时需要大量的计算消耗。线特征明显稳定，表示方法简单，特征空间小。但是，点特征和线特征无法表目前似乎不要求做到这一点 个人觉得排除这点 示掌纹纹线的深浅和力度，并且受噪声的干扰较大。 2）方法多。Gabor滤波、小波变换、傅里叶变换、局部能量。 掌纹可以被认为是无规则但在个体间独一无二的一种纹理。目前有很多方法是针对纹理分析处理掌纹图像的。如 Gabor 滤波[18~20]、小波变换[21~23]、傅立叶变换[24]和局部能量[25]等方法。与指纹相比，掌纹上有很多折痕，Wu 提取有向线能量特征将这些折痕特征向量化[25]，用于掌纹识别。李文新通过傅立叶变换将掌纹图像变换到频域[24]，然后再将变换后的图像分别计算 R 能量和 能量，最后通过分级匹配方法对提取的特征进行匹配识别。 Kong 等人将虹膜识别[26]中的基于二维 Gabor 的相位编码方法用于掌纹图像的特征提取。该方法把 Gabor 滤波后的图像进行相位编码，称作 PalmCode，这样在特征向量中只保存了相位信息。由于这种算法只采用了一个方向的Gabor 滤波器提取掌纹图像...
