多模态生物特征识别技术,克服了单一模态生物特征识别技术的诸多缺点,能够同时把多种生物特征进行比对,具有更高识别性能,安全性和方便性能满足实际需求,具有良好的应用前景。非接触指纹识别和手指静脉识别是目前的研究热点,具有一定的研究成果积累,都具有较高的防伪性和很好的识别效果。同时,指纹识别和指静脉识别在易接受性上具有其他多模态生物识别方法无法比拟的优势。非接触指纹识别具有采集方便、特征信息丰富的优点,但是容易被盗取;指静脉识别具有防伪性高、活体性的优点,但是特征信息相对较少、采集成本高的缺点。本文充分考虑到非接触指纹和指静脉两种生物特征的优缺点,构建了基于非接触指纹和指静脉双模态识别系统。针对非接触指纹图像、指静脉图像的特点,展开对于图像预处理、特征提取与匹配、双模态生物特征融合方法的关键技术展开研究。首先,本章针对非接触指纹与手指静脉图像的特点,分别采用了对应的预处理方法。在非接触指纹方面,采用基于YCb Cr空间和Otsu法提取手指区域,然后采用高频强调滤波和迭代自适应直方图均衡化对指纹图像进行增强处理,再采用基于手指中线的校正方法修正采集方式带来的图像中手指的旋转和偏移,最后提取出感兴趣区域。在手指静脉方面,采用基于超像素和sobel算子的方法提取手指区域,然后采用自适应直方图均衡化和中值滤波相结合的方法进行图像增强,采用旋转校正方法对手指静脉图像校正,然后进行指静脉图像感兴趣区域提取。通过实验对比,本文采用的非接触指纹和指静脉图像预处理方法具有较好的鲁棒性和对识别率的提高有重要作用。其次,本文对非接触指纹和指静脉图像特征提取与匹配的方法进行分析。在非接触指纹图像的特征提取方面,本文提出采用分块离散余弦变换的算法对预处理后的图像进行感知哈希特征提取,得到哈希序列,然后采用基于汉明距离的匹配方法进行特征匹配。分析讨论了分块数目、大小,低频部分大小等因素对性能的影响,从识别准确率、运算速度、占用存储空间等方面进行比较各种算法的性能,同时分析在图像质量好与不好两种情况下该算法的识别效果。在指静脉图像的特征提取方面,采用离散余弦变换的算法对预处理后的图像进行感知哈希特征提取,得到哈希序列,然后采用基于汉明距离的匹配方法进行特征匹配。分析了相关因素对对识别效果的影响,同时分析在图像质量好与不好两种情况下该算法的识别效果。和传统算法相比,本章所提出的算法极大的减少了运算时间和占用存储空间的大小,但是在识别效果方面并不能尽如人意。另外,在图像质量不好的情况下,识别效果发生比较明显的下降。再次,受到传统算法具有良好识别效果,和感知哈希算法在处理速度、占用空间方面具有优势的启发,本章提出结合两种方法的优点,对图像先进行特征提取算子的预处理,然后对响应图进行感知哈希处理的方法。在非接触指纹方面,采用AR-LBP算子对预处理后的图像进行凸显特征的处理,然后对AR-LBP响应图采用分块离散余弦变换的算法对预处理后的图像进行感知哈希特征提取,得到哈希序列,然后采用基于汉明距离的匹配方法进行特征匹配,同时分析在图像质量好与不好两种情况下该算法的识别效果。在指静脉方面,采用GLGC算子对预处理后的图像进行凸显特征的处理,然后对响应图采用离散余弦变换处理提取哈希序列,将得到的多个哈希序列串联成一个哈希序列,然后采用基于汉明距离的匹配方法进行特征匹配,同时分析在图像质量好与不好两种情况下该算法的识别效果。本章提出的算法,在识别效果方面较直接采用离散余弦变换的方法有所提升,同时保留的处理速度快、占用空间小的优势,但是在图像质量不好的情况下,识别效果依然会发生一定程度的下降。最后,传统的单模态生物特征识别系统容易受到光照、个人身体特点或其它因素的影响,导致单模态生物特征识别系统在实际使用中受到很多限制,并且由于采用单模态生物特征进行身份识别在理论上能够达到的识别率是有上限的,即使通过不断改进图像采集、预处理、特征提取与匹配的算法无法根本的解决这些问题。但是把多种生物特征结合起来能够提供关于个人的更多的身份信息,弥补了单模态生物特征无法完全描述个人身份的缺陷。本章提出了基于响应图的感知哈希的特征级串联融合方法,更加有效的利用非接触指纹和指静脉的特征,并解决了之前基于耦合距离度量学习的方法的需要大量样本的问题。同时考虑到图像质量不好的情况对识别效果的影响,提出基于图像质量评价的特征级融合方法。实验结果表明,这种方法取得了令人满意的识别效果,为多模态身份识别提供了一种有效的解决方法。