国内证卡是我国公民在境内进行旅游、商业等各项活动的重要身份凭证。随着大陆与港澳台地区往来的日益频繁,对证卡进行高效快捷地分类与鉴伪的需求日益迫切。目前国内外对于该课题的研究较少,且面临证卡种类繁多、证卡图像背景复杂等难题。针对以上问题,本文开展了基于多光谱图像的国内证卡分类与鉴伪算法研究。（1）针对证卡种类繁多的问题,本文提出一种基于特征区域检测及特征提取的证卡分类算法。首先,提出一种机读码区域检测算法识别证卡面向、朝向。对于一行机读码的证卡,提出一种基于字样区域检测及灰度共生矩阵特征值的分类算法;对于三行机读码的证卡,提出一种基于人脸区域检测及改进的Haar特征的分类算法。算法通过逐级细化的方式对证卡面向、朝向、种类的复杂组合分类问题进行分解,排除了证卡图像中背景等非关键信息的干扰,提升了证卡分类的准确率。（2）针对证卡防伪区域分割存在的边缘粗糙及多尺度防伪区域的问题,本文提出一种基于参数共享的双分支网络的证卡防伪区域分割算法,利用空间路径和语义路径分别提取细节信息和语义信息。在语义路径中提出了一种多尺度模块以获取多尺度特征,并且通过两个路径的信息相互指导的方式对特征进行融合,降低了背景噪声的干扰,提升了边缘的精细程度和对多尺度防伪区域的平均交并比。（3）针对假证卡数据缺失问题,本文提出一种改进的ConSinGan网络,通过增大每一阶段的卷积层数并减少通道数在增强特征表述能力的同时避免了过拟合问题,解决了背景像素值小且所占比例大场景下的假证卡生成问题。针对证卡数据鉴伪难易程度不一的问题,本文提出一种基于金字塔结构的渐进式证卡鉴伪算法。本文利用SSIM对易区分的假证卡数据快速过滤,并利用基于改进的MS-Loss的证卡鉴伪网络对相似度较高的假证卡数据进行细粒度的鉴伪,增大真证卡数据的类内相似度的同时减小真假证卡数据的类间相似度,进而降低了证卡鉴伪算法的误辨率和漏辨率。基于实际采集的证卡图像本文制作了证卡防伪区域分割和证卡鉴伪两个数据集并对算法进行测试与对比实验,验证了本文提出的证卡分类与鉴伪算法的可行性与有效性。具体地,本文提出的证卡面向、朝向分类算法准确率为98.75%,一行机读码证卡种类分类算法准确率为99.6%,三行机读码证卡种类分类算法准确率为95%,证卡防伪区域分割算法平均交并比为90.33%,证卡鉴伪算法误辨率和漏辨率分别为4.25%和2.5%。