随着信息技术的快速发展,信息安全问题日益突出,生物特征识别技术作为一种极具优势的解决方案充分彰显其重要性。为了提高生物特征识别的准确率和可靠性,基于信息融合理论的多模态生物识别技术逐步取代了单模态生物识别技术,成为身份认证领域新的研究突破口,具有较高的学术研究价值和实际应用前景。本文选取手掌纹和掌静脉两种手部生物特征进行融合识别研究,所做工作如下:本文自行搭建了非接触式双模态图像采集装置,可一次性获得掌纹和掌静脉两种生物特征信息。利用该装置建立了双模态小型图像数据库,用于后续的算法验证。随后对原始掌纹和掌静脉图像进行感兴趣区域提取、灰度归一化、图像滤波去噪和图像增强等一系列预处理,为特征提取和融合识别奠定良好基础。本文提出了基于原点静矩的掌纹特征提取方法。采取有效的阈值分割和细化等算法获取掌纹主线骨架图像,将掌纹骨架图像分割为多个非重叠子块分别提取其平均原点静矩,组合成最终的掌纹特征向量。本文同时提出了基于全局Gist特征的掌静脉特征提取方法。将增强后的掌静脉图像抽象为一幅场景图像,利用“分块提取”思想对其分块后提取每块的全局Gist特征,将所有块Gist特征级联起来构成掌静脉特征向量。采用主成分分析法对高维掌静脉特征向量进行了降维处理,使其能够有效地用于身份识别。最终,本文基于信息融合的思想,提出采用典型相关分析法在特征层对掌纹原点静矩特征向量和掌静脉全局Gist特征向量进行融合的双模态融合方法。并在传统CCA方法中增加类别信息以拓展其应用范围,利用自行建立的图像数据库对所提改进后的融合方法进行验证。实验结果证明了本文的双模态特征层融合识别算法的正确性和有效性,识别率达到96.67%,相对两种单模态特征识别均有所提高。