人体的一些生理结构,或称其为生物特征,例如脸形、虹膜纹理、指纹、手形、掌纹等,具有唯一性,并且在相当长的时间内具有不变性,不丢失也不被忘记。近年来,在一些场合人体生物特征越来越多地用来取代容易丢失或者仿造的钥匙、各种身份证件、容易忘记或者被窃取的密码等。生物特征在公共安全和人们的日常生产生活中发挥着越来越重要的作用。多模态生物识别是一种基于信息融合技术的生物特征识别技术,应用“取长补短,优势互补”的思想。多模态生物特征识别技术能够全面、有效的提高生物特征识别系统的整体性能,具有很强的鲁棒性,能够达到单一生物特征识别无法或很难达到的品质。本文以手部多模态生物特征识别作为主要研究内容,以自制的手部多模态图像获取装置为基础,提出了嵌入式手部多模态融合问题的解决方案。本文主要工作如下:(1)针对手部生物特征中的手形、掌纹、手掌静脉等特征图像可以通过图像获取装置一次性就可被获取到的特点,在综合分析掌纹和手掌静脉成像原理的基础上,制作了可以用于验证手部多模态识别算法的基于双CCD的手部多模态图像获取装置。该装置配备包括多个波段的可见光和多个波长的近红外LED多光谱光源,而且各波长LED光源都可以根据需要灵活调节发光强度。双CCD相机可以在多个波段LED下,分别同时获取到掌纹图像和手掌静脉图像。利用该装置可以方便的获取到手部三种模态图像的样本,建立相应的图库,验证相关融合识别方法的有效性。为了能够将手部多模态生物特征识别方式更好的应用于日常生活,开发和制作了基于嵌入式系统的双摄像头手部多模态图像获取和处理系统。利用该系统可以进行低分辨率下的手部多模态图像的获取和处理,为手部多模态生物识别方式的实际应用提供了可能。同时,为了能够有效降低手部多模态图像采集所需要的LED扩展光源的体积,同时保证照射到全手掌光线的均匀性,提出利用有限个高亮度LED构建小体积LED扩展光源,然后通过透镜对小体积LED扩展光源进行光线的二次分配,最终达到光强充足和均匀的目的。本文通过对光线二次分配进行详细的理论分析、光线追踪模拟和实验,取得了比较理想的效果。(2)针对非接触条件下获取的掌纹和手掌静脉图像纹理的特点,提出了基于纹理峰谷结构的掌纹掌脉像素融合方法。首先分别将获取到的包含掌纹的全手图像和包含手掌静脉的全手图像进行方向尺寸归一化,然后在包含掌纹的全手图像中提取ROI图像。由于多模态图像采集时间极短,多模态图像在空间没有移位,因此直接利用掌纹ROI图像坐标提取手掌静脉ROI图像。对获取到的掌纹ROI图像和手掌静脉ROI图像分别进行灰度归一化。根据纹理存在的局部极小值特点和不同方向宽度关系,提取纹理结构。随后根据掌纹和掌脉纹理不同情况下的对应关系,分类进行纹理融合。最后对融合后的图像进行识别。在自制的双CCD手部多模态图像获取装置采集的图库上进行的实验结果表明,融合后的图像的识别效果好于单模态下的掌纹识别效果和掌脉识别效果。(3)针对基于双CCD的手部多模态图像获取装置在非接触条件下获取的掌纹和手掌静脉图像的特点,提出了基于小波变换的掌纹和手掌静脉高低频综合数据融合方法。首先对双CCD获取的掌纹图像和手掌静脉图像分别进行ROI提取和配准等预处理。然后按照预先选择的小波基对掌纹ROI和手掌静脉ROI图像分别进行多层小波分解。随后对掌纹和手掌静脉小波分解后的高频和低频系数按照不同策略进行融合。最后通过小波逆变换得到融合图像。实验结果表明,通过融合后的图像进行的识别效果优于单模态掌纹识别和单模态手掌静脉识别,也优于其它融合方法。(4)针对嵌入式手部多模态图像获取与处理系统存在数据处理能力有限等问题,提出在掌纹掌脉数据融合的基础上融入手形识别,即基于决策融合和数据融合的手部三模态双融合。首先利用手形识别方式的速度优势进行决策融合,即通过合适的双阈值将识别对象划分为三类:身份确认类、身份否决类和身份待定。然后根据识别对象所处的类别,决定是否需要进行基于小波变换的掌纹掌脉数据融合识别。实验结果表明,通过综合利用手部三种模态双融合,在嵌入式系统进行手部身份识别的平均时间大大缩短,识别效果有明显改善。