近年来,随着人们对于身份认证技术的要求不断提高,主要体现在对于高便利性和高安全性的需求;相对于传统的识别技术而言,基于生物特征的识别技术更加能满足现阶段人们的需求,所以基于生物特征的识别技术得到了广泛的关注和迅速的发展。传统的识别技术主要包括基于知识或所有物的身份认证方法,与这些方法相比,生物特征识别技术具有突出的便利性和安全性的特点,其中的基于掌纹和掌静脉生物特征识别技术尤其发展迅速;一方面,在采集方式上,传统接触式手掌采集系统存在着便利度低、用户接受度以及适配性差等问题,这些问题可以通过采用非接触式采集方式得到有效解决;另一方面,单模态识别技术性能逐渐达到瓶颈,为了推动技术的不断发展,多模态融合识别技术应运而生,为技术的进步打开新思路。针对上述问题,本文将围绕非接触式掌纹掌静脉融合识别算法展开研究。本文采用双目摄像头采集掌纹和掌静脉图像,针对非接触式采集方式可能导致感兴趣区域定位不准问题,提出一种多模态联合的ROI定位算法,该算法对于旋转及位移鲁棒性很强,并通过对不同方式采集的图像进行实验,证明了该算法的有效性。然后,在进行特征提取算法的研究中,针对掌纹和掌静脉各自的特点,分别提出采用多尺度多方向log Gabor小波和多尺度多方向高斯低通滤波器提取掌纹和掌静脉特征,进行方向竞争编码提取算法编码特征;采用Poly-U多光谱图库中进行仿真对比实验,与传统的特征提取算法进行性能比较,通过实验结果验证了两种特征提取算法都能取得更好的性能。最后,研究掌纹和掌静脉融合算法,采用比较竞争融合编码（Comparative Competitive Code,C^2 code）算法融合掌纹和掌静脉方向编码特征实验证明,与单模态识别相比,融合算法能使得识别性能得到提高。