手指上蕴含着丰富的生物特征,同时拥有高度的灵活性与便携性,所以基于手指的生物特征识别技术在生物特征识别领域内一直是重要的研究方向。目前,基于手指单模态的生物特征识别技术已经趋于成熟,同时也遇到了一些难以克服的瓶颈。手指包含着三个位置紧凑、纹理相似的特征,即指纹、指静脉和指节纹,利用这些紧凑的特征构建手指多模态融合识别系统有助于获得更好的识别效果。在手指多模态融合识别中,如何有效地融合多种特征是提高手指特征整体表达能力的关键。然而,不同模态的图像尺寸不一致和特征表达的差异性严重限制了手指生物特征融合识别的性能。论文将针对指纹、指静脉以及指节纹这三种模态,探究一个稳定、有效的手指三模态融合识别框架。文章的主要工作如下:第一,提出了一种基于图卷积神经网络的手指三模态融合识别框架。首先,利用基于超像素分割的加权图构造方法,将手指三模态的图像特征抽象成加权图特征。然后经过并行的图卷积神经网络分别提取每个模态图的局部特征,同时统一不同模态图的节点数目。经过图融合模块,将三种模态的图融合为包含不同模态信息的融合图。最后通过图卷积神经网络对融合图进行图级分类。第二,提出三种从不同角度出发的图融合策略,分别为:竞争融合、特征向量中心度融合以及PageRank中心度融合。竞争融合从图中节点的特征信息出发,利用节点的特征信息度量节点的重要性,将不同模态图中重要性排名一致的节点融合;特征向量中心度融合将从图中节点的结构信息出发,通过结构信息判断节点的重要性,同样的将重要性排名一致的节点融合;PageRank中心度融合则同时从两种角度出发,综合考虑节点的重要性,然后融合重要性排序一致的节点。第三,为了缓解图卷积神经网络的过平滑问题,分析了传统GCN模型的优化机制,将其信息传递的过程视为一个优化过程。基于此,在传统GCN的优化目标上添加了一个约束项,提出带有约束的图卷积神经网络CGCN。第四,通过实验证明了所提出的图融合策略在各种情况下均能达到较好的效果,相比于其他方法均有较大提升。在此基础上,对比不同的多模态融合识别系统,结果表明,所提出的融合识别框架比传统的方法性能更高。最后,将CGCN模型与多种图卷积模型在不同深度下进行对比,实验证明了CGCN模型能够有效的缓解过平滑现象。