香港理工大学公开掌纹数据库，包含600张图片，可查看目录

matlab非接触式掌纹识别

Gabor卷积神经网络实现非接触掌纹识别

研究了多模态身份识别问题,结合人脸和掌纹两种不同生理特征,提出了基于特征融合的多模态身份识别方法。对人脸和掌纹图像分别进行Gabor小波、二维主元变换(2DPCA)提取图像特征,根据新的权重算法,结合两种模态的特征,利用最邻近分类器进行分类识别。在AMP、ORL人脸库和Poly-U掌纹图像库中的实验结果表明,两种模态的融合能更多地给出决策分析所需的特征信息相比传统的单一模态的人脸或掌纹识别具有较高的识别率,更具安全性和准确性。

为提高掌纹图像识别率,首先利用手掌的几何轮廓对所采集到的掌纹图像进行预处理,进行分割得到感兴趣的区域。再利用小波变换对掌纹图像分别进行多层分解,进而提取小波特征。最后利用BP神经网络进行分类。通过仿真实验表明,与单一的神经网络方法进行掌纹识别相比,这种将小波分析与神经网络相结合的方法收敛步数少、用时短、具有较高的识别率。

掌纹识别可以区分其中的区域 并且进行识别图的预处理阶段 disp('Sobel算子自动选择的阀值为：')disp(thresh)

《A Comparative Study of Palmprint Recognition Algorithms》是一篇非常好的掌纹识别综述文章。总结了当前流行的方法。

采用Gabor_Palm函数提取掌纹图像的能量特征，并将得到的结果分块，分别计算每块的均值和方差作为特征向量。特征向量的长度为160. 采用Gabor_SVM进行分类。 同时用到了SVM的工具箱。

包含完整工程，可直接运行。基于visual stdio工程。基于visual stdio工程。基于visual stdio工程 掌纹识别系统 解压Matlab当前窗口中的所有文件，然后输入“palmrec” 在Matlab命令窗口上。出现一个简单的GUI。 GUI按钮： 选择图像 选择掌纹图像。感兴趣区域（ROI）将被分割并特征向量将被编码。 将所选图像添加到数据库 选定的掌纹图像（ID）将添加到数据库中。 数据库信息 显示有关数据库中存在的所有图像的信息以及相应的ID。 掌纹识别（1:N匹配） 将所选图像与数据库中的所有掌纹图像进行比较。 代码返回已识别图像的ID。数据库必须至少包含一张图片。 掌纹验证（1:1匹配） 只需选择两个掌纹图像。选定的图像将进行比较和分析 如匹配或不匹配，代码将返回。 特征可视化 选择一个输入图像。代码将可视化原始图像，ROI图像，编码特征向量和掩码。 删除数据库 删除数据库和所有保存的图像。 信息 显示此文件。 退出GUI。

matlab掌纹识别代码%% 掌纹识别 %% 此文件夹包含 5 种不同特征提取算法的 MATLAB 实现。 吝啬的 AAD（平均绝对偏差） GMF（高斯隶属函数） SURF（加速鲁棒功能） SIFT（尺度不变特征变换） 它还包括使用 SVM 和 KNN 测试特征的代码以及提取掌纹 ROI 的文件。 特征提取在 IIT-D 和 PolyU 掌纹数据集上进行了测试。