随着信息技术的不断发展和网络的不断普及，当代社会对身份认证的需求越来越多，要求越来越高。相对于单模态生物特征的防伪性不强、区分性不高等缺点，多模态生物特征融合的多种特征具有更好的防伪性及区分性。本文以改善指静脉的生物特征识别性能为出发点，结合指静脉和指腹纹的特征来实现多模态融合。本文研究的主要内容和创新点如下：　　首先，利用指静脉纹理特征比较丰富的特点，对现有的二进制编码算法的特征提取进行改进，提出了基于关系图的二进制编码特征提取方法。根据二进制编码的关系图，构造出不同个体的二进制模板，然后利用SVM训练学习出样本的编码位的信息。本文改进的二进制编码方法考虑了不同类别样本的相关性，因此提取的特征更具有区分性。　　其次，给出一种指静脉特征提取的AlexNet改进方法。鉴于现有的AlexNet模型在2012年ImageNet图像数据集上有很好的分类能力，且网络模型结构优化比较完善,故本文以此为基础提取样本特征。针对指静脉特点，本文做出两点改进：首先是分类前的特征降维，以降低深度网络所获取高维数；其次，采用融合卷积层和子采样层的方法，使得原来的7层网络结构减少为4层。实验结果显示，本文改进方法比AlexNet模型的识别率更高。　　然后，本文提出运用判别相关分析法提取指静脉和指腹纹有区分性的特征，用于改善现有的单模态生物识别的单一性，该融合方法的优点是能够最大化类内样本的相似度，最小化类间样本的相似度。实验结果显示该融合方法比现有的CCA等融合方法识别率高。　　最后，设计了一套指静脉指腹纹融合识别系统的人机界面及软件。