网络与信息化技术的普及应用给身份认证提出了更新、更高的要求，传统的钥匙、密码等身份识别方法已越来越不能适应社会发展的需求，利用人体自身所固有的生物特征(如指纹、人脸、虹膜等)进行身份识别的技术，即生物特征识别技术，为彻底解决身份认证难题提供了有效的途径，是当前信息安全、模式识别、人工智能等领域极为关注的热点问题。 指纹和人脸是目前最为常见的生物特征，虽然研究者针对两者己持续关注多年，取得了许多研究成果，但随着社会的迫切需要，以及现有技术在实际应用和测试中表现出的许多不足，近年来，对这两种识别技术的研究仍然十分活跃。其中，特征提取和特征匹配作为尤为关键的研究内容，在很大程度上决定了系统的总体性能。在这种情况下，该文对指纹识别和人脸识别中特征提取和识别的主要关键技术进行了深入研究，主要工作和创新性成果集中在如下方面： 1) 针对低质量指纹图像，提出了鲁棒的纹线区域分割及自适应增强方法。该方法综合考虑了纹线方向、频率、对比度等基本特征在指纹局部和全局之间的矛盾，利用多尺度方法对这些特征进行了获取与校正，并完成了纹线区域多级分割，并以上述特征为参数设计了一种纹线自适应增强滤波器，同时还提出了快速统一的滤波实现方法。该方法突出了指纹全局结构制约下的局部纹理信息，着眼于消除纹线噪声，突出纹线结构。实验结果表明，相对于传统算法，指纹基本特征的准确获取提高了纹线分割效果，自适应滤波器提高了纹线清晰程度和流畅程度，保留了纹线细节特征，同时算法耗时也得到了明显降低。 2) 提出了指纹图像中多种鉴别特征提取及特征相似度计算方法。这些特征主要包括全局稳定点、描述指纹模式区分布的指纹曲率场、描述局部方向分布模式的OrientationCodes、描述纹线分布状况的：PolyLines、描绘稳定点和细节点分布的星形结构、描述细节点全局分布的Delaunay剖分结构等。在定义指纹图像中稳定点特征时，提出了指纹区域模型，利用模型将核心点和参考点统一表达为吸引点，将三角点表达为排斥点，并进一步求取了吸引点的方向特征。在定义其它特征时，充分考虑了平移旋转不变性和可鉴别性。实验结果表明，上述特征能有效提高指纹对齐、特征比对及匹配分值计算的精确度。 3) 根据提取的指纹鉴别特征提出了基于OrientationCodes和PolyLines特征的快速指纹匹配方法和基于分层鉴别的指纹混合匹配方法。前者综合OrientationCodes特征描述宏观方向模式的能力和PolyLines特征描述纹线曲率走向的特点，采用特征最大相似度的加权和来对齐指纹并计算匹配分值，具有实现简单、识别快速且准确的特点。匹配实验结果表明，该方法相对于点模式匹配方法能显著提高识别精度和速度；后者综合考虑多种鉴别特征的特点，采用由全局到局部，由粗到精的逐级剔除思路，优先判别出明显匹配和明显不匹配的指纹对，而将那些难以判断的指纹对后移，待相似度或不相似度证据较为充分之后再给出明确的匹配结果。实验结果表明，这种混合匹配方法进一步提高了系统的识别性能。总体而言，这两种匹配算法均有利于大规模指纹库中指纹的快速检索与识别。 4) 提出了一种人脸小波融合特征构造方法。子空间方法是人脸识别中的主流方法，但直接利用灰度图像特征易受光照、姿态等因素影响，利用滤波方法又容易增加计算耗时和特征选择的难度。该文利用小波融合特征来解决这个问题，在融合的小波高频子带中表示出人脸区域重要程度之后，有针对性地结合Gabor小波和Log-Gabor小波抽取人脸中不同层次、不同方向、不同细节的潜在信息，形成了与原始灰度图像矢量维数相差无几，但具有更好描述能力的人脸特征矢量。这种小波融合特征有机地结合了人脸面部器官的分布特点与小波分解、小波滤波器组的优点，能为子空间方法提供判别能力强的特征。实验结果验证了这种特征的有效性和优越性。 5) 通过对常用流形学习方法优缺点的深入分析与归纳，提出了一种流形学习环境下的Fisher流形嵌入准则，并在该准则下推导了一种基于鉴别性流形学习的人脸特征提取算法及其核推广算法。谱结构分析表明该算法本质特点是在控制类内样本经过嵌入之后彼此汇聚的同时，确保了类间样本经过嵌入之后的间距最大化。算法的有效性在几个公开人脸库上得到了验证。实验结果还表明，结合人脸小波融合特征，算法的识别性能可进一步得到提升。