手部多生物特征识别系统在生物特征识别领域内占据重要的位置。和传统的指纹特征相比,指节纹和手形更稳定,不容易磨损、伪造和窃取,在图像采集方面,对采集设备和环境要求不高,非接触式的采集方式也大幅度提高了用户的满意度,因此指节纹和手形的单模态识别系统已经引起了国内外的广泛关注。大量研究表明,多生物特征融合可以大幅度提高生物特征识别系统的识别率、抗攻击性和鲁棒性。但多特征融合无疑提高了计算复杂度、特征维数和计算时间。因此本文的双模态特征识别系统针对这一问题,提出了新的解决方案。手形特征在一段时间内能保持稳定,具有较强的防伪性和抗攻击性,特征提取算法简单、识别速度快;指节纹纹理丰富,同指纹一样,可以在较长时间保持稳定且具有很高的个体差异性。两种特征融合使用可以做到优势互补,提高生物特征识别系统的识别准确率、稳定性和抗攻击性。本文主要研究内容和创新点包括以下几个方面:(1)分析使用非接触方式进行手形图像采集,造成识别率低的原因,针对手形识别过程中,手指张开程度不同而造成轮廓变形,从而影响识别结果的问题,提出了一种不受指根轮廓变形影响的手形识别新方法。通过改进手指细化方法提取手指骨架和手指几何特征。此方法可以解决手指骨架提取过程中图像不够光滑、毛刺、运算时间过长等问题,同时使得基于几何特征的手形识别方法在非接触式采集中取得了更好的识别结果。(2)针对指节纹图像纹理分布的特点,提出了一种基于负梯度极值统计分布的指节纹ROI提取方法。解决了基于投影的方法对于低分辨率图像无法提取ROI或者提取不准确的问题,同时本方法对于光照变化有较好的适应性,ROI图像库显示所有手部图像均可以提取准确有效的ROI。(3)针对指节纹图像识别,设计了全局特征和局部特征相结合的识别方法。一方面采用PCA作为全局特征,特征简单、识别速度快;另一方面,为提取更精细、反映细节的纹理特征,针对传统多尺度LBP算子未考虑不同尺度间灰度相关性以及局部像素与整体图像灰度分布的问题,提出了多尺度联合分布的LBP算子。在全局和局部融合环节,提出了两层串行融合策略,先根据全局匹配结果将样本库范围缩小,再利用精细匹配进一步确定匹配结果。设计的方法综合全局粗匹配速度快和局部精细匹配精度高两者的优势,不仅可以得到较高的识别率,识别速度也得到了提高。(4)设计了手部图像采集装置,一次采集可以同时得到手形和指节纹图像,建立了全手图像数据库,并根据提出的图像预处理方法,建立了指节纹ROI数据库,以此验证所提算法的有效性。在手形和指节纹单模态特征识别的基础上,设计了基于指节纹和手形特征融合的算法,通过层次匹配的方式,采用决策级和分数级融合的两级融合策略。对于决策级融合无法得到决策结果的样本,在第二层分数级融合中,根据匹配分数加权,得到判别结果。采用的特征融合方法在提高了系统识别率的同时,也提高了识别速度。同时,两种生物特征可以互为补充,保证了识别系统的可靠性。综上所述,本文利用全手图像提取了两种手部生物特征:手形和指节纹。在双模态融合阶段,通过优化各分类器的分类决策,提高了大数据库范围的识别精度和速度。实验验证了本文提出方法的有效性和可行性,为今后全手多模态识别的进一步研究奠定了坚实的基础。