随着现代科技的迅速发展,信息安全越来越受到人们的重视,生物识别作为一种安全系数较高的实用性技术,受到了人们更多的青睐,同时也对生物识别技术提出了更高的要求。在所有的生物特征中以基于手部信息的生物识别在用户中的接受程度最高,手部信息中的掌纹和指纹具有信息量丰富、特征信息稳定的独特优势,而手部信息中的手形具有识别效率高的特点,所以基于这三种特征的融合可以获得高效率、高准确率的生物识别技术,该课题的研究具有巨大的潜在研究价值和广阔的实用性。由于手部信息中的指纹特征已经研究的相当成熟,本文主要针对手形和掌纹识别技术进行深入研究。在手形图像特征识别中,手形图像特征点定位的准确性直接影响手形匹配的正确性,在现有的手形图像特征点定位的基础上,提出了一种基于局部分块扫描式的特征点定位改进算法,算法由最容易定位的中指指峰入手,再根据中指指峰坐标按照固定顺序一步步递推式,分块确定其余手指的指峰点和指谷点的坐标。再根据已确定的特征点提取手形特征矢量,应用基于手形图像特征矢量的匹配算法进行匹配。实验结果表明,该算法的特征点定位成功率达94.8%,可以准确的对手形图像进行特征点定位,算法具有可行性;针对圆盘法中受手形张开程度的影响太大,导致圆盘半径的大小及像素阈值难以确定的局限性,通过对圆盘算法原理及手形图像轮廓特点进行分析,提出了圆盘极值算法,该算法采用圆盘邻域极值的方法对手指指峰点、指谷点分别确定,避免了像素阈值的使用,同时给予圆盘半径更大的适用空间,解决了圆盘法的局限性。实验表明应用该算法特征点定位成功率达98.4%。算法可以准确定位特征点,具有可行性。在掌纹图像特征识别中,针对目前定位点不易确定和同类图像ROI提取偏移度较大问题,提出一种ROI分割改进算法,该算法以两个谷点和掌边拟合直线为参考,以固定角度的方式建立坐标系找到掌纹信息丰富的区域,确定掌纹的ROI,最后提取特征矢量进行匹配识别。实验结果表明用此算法可较准确的找到掌纹的ROI,且分割的同类图像偏移度较小,掌纹的ROI提取率达98.2%,掌纹正确识别率提高25%左右,算法具有可行性。针对掌纹识别方法进行了基于像素面积、基于小波变换和基于二维Gabor特征的识别仿真,发现以基于二维Gabor特征的掌纹识别效果最好,不仅效率快而且准确率高。在多模态融合方面,研究分析多模态融合的方式,针对手部信息的特征提出在匹配层和决策层进行手部特征多模态融合的思路。