基于统计的方法是指利用掌纹图像的重心、均值、方差等统计量作为特征的识别方法，可进一步分为基于局部统计量和全局统计量的方法。其中基于局部统计量的方法需要将图像分成若干小块，之后统计每块的均值和方差等统计信息，最后连接为表示整个掌纹的特征向量；而基于全局统计量的方法则直接计算整个图像的矩和重心等统计信息作为掌纹的特征。做匹配时，一般采用矢量比较时常用的相关系数、一阶范数或欧氏距离。
（1）对于基于局部统计量的方法，在提取统计特征之前，通常需要对图像做变换，例如傅里叶变换、小波变换等。一种方法是首先用傅里叶变换提取掌纹图像的频域信息，之后分块并计算每块的幅值以及相位的和作为特征。另一种方法利用过完备小波变换的平移不变性和掌纹纹线方向的上下文相关性，计算小波分解后每块的四类统计特征。根据这四类特征可将掌纹分为若干个类别，识别时仅在待测掌纹所属的类别内搜索即可。人们还提出了利用小波变换，之后分块并提取每块的均值和方差作为特征。各种方法的分块策略略有不同，例如将图像分为半径相等的同心圆，将小波分解后的各子图分为数量相同的小块，还有将小波分解后的各子图分为大小相同的小块。当只进行一级小波分解时，后两种分块的策略是相同的。与基于结构的方法不同的是，本类方法考虑了掌纹图像的频域（傅里叶变换）和多尺度（小波变换）特征，而不是原始图像中纹线的位置、方向等特征，能够有效地减小类内差别，提升识别性能。但是在该类方法中，分块的大小以及分块的策略对最终的识别结果有很大影响，而最优的分块方法通常需要实验确定。
（2）基于全局统计量的方法主要是指利用图像不变矩的识别方法。有研究者利用Hu和Zernike矩提取掌纹特征，还有研究者提出了一种利用平移不变的Zernike矩提取掌纹特征的方法。根据所采用的不变矩具有的平移或旋转不变的特性，该类方法对于掌纹图像也具有相应的特性，可以有效地处理预处理带来的图像平移和旋转。该类方法的缺点是特征维数太小，丢失了大量的判别信息，因此识别率不高。
基于统计的方法将掌纹图像看作是纹理图像，并利用分析纹理图像的一些方法来分析掌纹图像。与基于结构的方法相比，傅里叶变换的方法可以提取掌纹的频域特征，小波变换的多分辨率特性更加适合主线和皱褶不同粗细的特点，而基于全局统计量的方法对图像平移和旋转更加鲁棒。总的来说，基于统计的方法比基于结构的方法有更高的准确率，统计的本质也使得该类方法对噪声不敏感。此外，由于原始掌纹图像被有效地表示为若干个统计量，因此特征所占的空间很小，匹配速度也很快。表3.4列出了几种基于统计的方法的性能比较。(www.xing528.com)
表3.4 基于统计的方法的比较
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
