0 引言 
　　生物识别技术是利用人体生物特征进行身份识别的一种技术，掌纹识别[1]是生物特征识别中又一新兴技术，它利用人的掌部纹理作为生物特征了来进行身份的自动确认，掌纹识别具有“人人不同，终生不变，随身携带”的特点，其研究始于1998年，与常见的指纹、人脸、虹膜等生物特征识别技术相比，掌纹识别[2]主要具有以下优势：1）指纹具有很强的稳定性：胎儿六个月就会形成完整的指纹，一直到人死腐烂之前，虽然随着年龄的增长，纹理会有一些变化，但是总体上同一个手指的指纹类型以及细节特征的总体布局等始终没有明显的变化。即使手指受伤只要不伤到真皮，等伤口愈合后纹理仍旧恢复原状；如果伤到真皮愈合后形成伤疤破坏了原来的纹理，但是伤疤本身也增加了新的稳定特征。2）指纹的唯一性，指纹具有很明显的特定性。根据指纹学理论，两枚指纹匹配上12个特征的几率为10-50。至今即使是孪生兄弟姐妹也没有两个指纹完全相同的人，不仅是人与人就算是一个人的十指之间，指纹也有明显的区别。由于指纹具有这样的特点，因此应用指纹进行身份鉴定提供了客观的依据。 
　　因此，掌纹同其他应用于身份识别的生物特征相比，具有诸多先天优势，其应用领域非常广阔。在掌纹识别中，有两个基本问题要解决好，一个是特征的提取，另一个是相似度的测量。所以一个掌纹识别算法要解决这两个问题：一是掌纹特征的提取和选择，二是特征分类器的设计。其中第一个问题是至关重要的，因为它会强烈地影响到第二个问题的解决，乃至最终的识别性能。 
　　现有文献中涉及的掌纹特征提取算法大致可以分为4大类：第一大类是基于结构的特征提取[3，4]；第二大类是基于空域-频域变换的特征提取[5，6]；第三大类是基于统计的特征提取[7]；第四大类是基于子空间的特征提取[8]。本文将第二大类基于时频变换和第四大类子空间的特征提取算法结合起来，提出了一种利用Gabor小波和增强Fisher线性判别模型（EFM）来实现掌纹特征提取的新方法。 
　　4 结论 
　　本文主要对掌纹特征提取和特征分类进行了深入的探讨和研究，在Gabor小波技术结合EFM判别模型的基础上，提出了一种基于上述方式实现的掌纹特征提取方法。该方法利用Gabor小波捕获对应一定频率（尺度）、空间位置和方向选择性的局部结构，便于实现无对应的识别，而且使得掌纹的Gabor表示对光照的变化具有一定的鲁棒性，实现方法同时利用PCA变换和EFM判别模型提取信息量中的主要成分作为新的特征，与Fisher线性判别式（FLD）相比，EFM判别模型通过同时对角化类内与类间离散度矩阵提高了FLD的推广能力。因而，该算法具有一定理论和现实意义。