近几十年来,信息技术不断发展,传统的身份认证方式面临着巨大的挑战,识别能力低和防伪能力弱,成了身份认证领域的两大瓶颈问题。生物识别技术能有效地克服这些问题。手指作为人体感知世界的重要器官,有着丰富的身份信息,如指纹、指横纹和手指静脉等,近些年来逐渐受到学术界的关注和重视。相比于生物的单模态识别系统,多模态特征识别技术融合了多种生物特征信息,具有更好的防伪特性和更高的识别精度。本文首先分析了手指静脉和指横纹成像采集、图像预处理、特征提取与匹配识别以及特征融合识别等方面的基础理论知识,然后对整个手指多模态识别系统的流程做了详细的介绍。为了提高整个系统的识别精度,本文分别从图像预处理、特征提取及匹配识别和融合识别三个部分进行研究,论文的主要工作和研究成果归纳如下:(1)手指静脉和指横纹图像的预处理算法研究:主要包括手指静脉的感兴趣区域提取、图像归一化以及图像滤波去噪。针对常规滤波方法易丢失细节信息以及使图像模糊化问题,采用了一种结合均值滤波的小波变换滤波方法,去除噪声的同时保留了手指静脉和指横纹的细节信息,并且不会使图像变得模糊化。(2)手指静脉单模态的特征提取与匹配识别算法研究:本文针对手指静脉特征提取,采用了一种基于散射卷积网络算法的特征提取方法。针对预处理后的图像,利用多层散射卷积网络提取出每张图像的散射能量分布特征矩阵,作为单样本的特征依据,然后利用支持向量机进行匹配识别。最后,该方法与一种基于子空间的特征提取方法作为比较,并在低频子带图像中对两种方法进行了对比分析。(3)手指多模态融合识别研究:从手指静脉和指横纹融合识别的三个层次出发,对其融合识别算法进行研究,在数据层采用了基于小波变换的融合方法进行融合,在特征层采用了基于散射卷积网络的融合方法进行融合,在决策层采用权重匹配法进行融合。最后对三种不同的融合策略进行了对比分析。