单模态生物特征提取技术现在已经应用到生活中许多方面,同时也得到充分的研究和发展。随着科学技术的发展,人们对身份认证和公共安全的要求越来越高。由于单模态生物特征识别技术的局限性使其很难满足当今的实际需求,多模态特征融合技术成为生物特征识别领域的研究热点之一。本文主要学习研究了在特征层上进行多模态特征提取算法,提出了基于子类鉴别分析和广义奇异值分解的多模态特征提取方法。该方法是根据子类鉴别分析方法,将各种模态(如掌纹、人脸和指关节)作为一个大类的子类,然后将所有样本通过投影抽取鉴别特征,并重新构造了子类类间散布矩阵和类内散布矩阵,使子类类间散布矩阵最大化和子类类内散布矩阵最小化。在计算过程中使用广义奇异值分解方法,解决了计算过程中的奇异问题,并将两模态融合扩展到多种模态特征的融合。接着,我们将多模态融合的数据通过核函数在非线性空间上进行扩展。核化可以利用高维数据空间的特性,因此我们提出基于核空间的子类鉴别分析和广义奇异值分解的多模态特征提取方法。该方法有效地利用了非线性空间中多模态特征融合的特性,使得子类之间更易于区分。我们在AR、掌纹数据库和指关节数据库进行实验。实验的结果表明,我们的方法比其他单模态方法有更好的正确性和有效性。