生物特征识别技术是解决社会信息化、网络化中安全性问题的有效方案，近年来受到了广泛的关注，取得了较快的发展。在一些特殊的实际应用中，如法律实施、智能卡应用、护照和身份证验证等，每个人可能仅有一个生物特征样本作为训练样本，这会导致生物特征识别系统的识别性能急剧下降。因此，提高基于单样本的生物特征识别性能已经成为生物特征识别领域的研究热点。本文以当前新兴的手掌静脉为研究对象，以单训练样本为研究前提，研究了基于单样本的手掌静脉识别方法。本文的主要内容如下：　　1.基于小波分析与决策融合的单样本静脉识别算法。因为在单样本识别问题中每个人只有一幅手掌静脉图像作为训练样本，为了尽可能多地从这幅手掌静脉图像中提取出有效的身份辨识特征，本文提出了一种基于小波分解和多特征决策融合的方法对手掌静脉进行识别。小波分解能够在保持手掌静脉图像能量的基础上，有效地降低图像的数据量，并且可以滤除掉高频噪声信息。因此，首先对手掌静脉图像进行小波分解，得到它的低频子带图像。然后，为了尽量从训练样本图像中挖掘出更多有效的分辨信息，利用 PCA方法和改进的Sobel-LBP方法提取手掌静脉的全局统计特征和局部纹理特征，再利用决策融合方法将以上两种方法融合起来进行身份识别。实验结果表明，该方法可以有效地提高单样本手掌静脉识别的准确率。　　2.基于虚拟样本和改进2DPCA的单样本静脉识别算法。在单样本手掌静脉识别中，增加虚拟样本是解决训练样本缺乏问题最为直接、有效的方法，它可以把单样本的手掌静脉识别问题转化为普通的手掌静脉识别问题，那么一些现存的手掌静脉识别方法也就可以直接应用在单样本情况中。因此本文根据手掌静脉图像的特点，首先利用虚拟样本生成方法，对原单样本图像进行样本扩充，然后再进行手掌静脉识别；在特征提取方面，本文研究了2DPCA各个主成分的识别效果，采用改进的2DPCA方法对扩充后的训练样本集进行特征提取与识别。实验结果表明，该方法可以有效地提高手掌静脉在单训练样本情况下的识别效果。