生物特征识别是采用人所具有的独特的生理或行为特征进行身份鉴别的技术,是解决社会信息化、网络化发展中安全问题的有效方案之一。在部分实际应用中,如法律实施、智能卡应用、身份证和护照等,每类用户仅有一个生物特征样本用于训练,这将导致系统识别性能下降。如何提高单训练样本条件下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。多模态生物特征融合是一种解决单训练样本生物识别问题的有效途径。本文以手部特征为研究对象,以单训练样本为研究前提,研究了单训练样本条件下的掌纹、指横纹、手指特征识别方法,并采用融合的方法有效地提高了单训练样本条件下手部特征识别系统的性能。本文的主要工作和贡献如下：1.基于子空间分析的掌纹识别研究。分析主成分分析算法(PCA)中各单独主成分的判别性能与对应投影能量的关系,提出一种特征加权的主成分分析方法(FWPCA)。对于单样本掌纹识别,该方法可以采用较少的特征维数得到更佳的识别性能；进一步在FWPCA的基础上增加图像近邻关系矩阵约束,提出一种特征加权的局部保持投影方法(FWLPP),同样取得了识别性能的提升；最后,对PCA的泛化性能进行分析,其本质为特征空间的平移与旋转,当采用大量样本构造特征空间时,对于未知样本可以保持良好的识别性能,有效提高算法的泛化能力。2.提出一种小波子带融合的单样本掌纹识别方法。小波分解能够在保持掌纹图像能量的基础上,有效地降低图像分辨率,并能去除图像中的噪声。然而,小波高频子带因其对噪声和定位误差比较敏感而不能用于掌纹识别。针对这一问题,提出使用均值滤波方法提高掌纹小波水平和垂直子带中主线等几何特征的鲁棒性,使其可以获得与低频子带相当的识别性能,进一步融合小波子带提高单训练样本条件下掌纹识别系统的性能。3.对手指特征进行研究。指横纹是一种较新的手部生物特征,因其缺乏一种有效的定位方法,导致子空间、纹理分析等特征提取方法不可用。提出采用手指刚性区域保证手指的旋转不变性,进而采用多尺度水平方向高通滤波增强指横纹特征,提取能量集中区域从而保证指横纹平移不变性,分别提取指横纹PCA特征、Gabor相位特征、Gabor幅度量化特征用于指横纹识别,匹配分数级融合方法进一步提高了单训练样本指横纹识别系统性能。此外,对包含远指横纹、中指横纹、手形等特征的食指、中指、无名指和小拇指进行单训练样本条件下的识别研究,基于PCA、 LPP特征提取算法表明,这四个手指特征都可用于身份识别,为手部特征融合提供了基础和条件。4.提出一种匹配分数级融合算子评估方法,给出各融合算子判决性能的理论解释。匹配分数级融合算子包括求和、乘积、最大和最小算子,它们是在贝叶斯框架下根据不同假设条件下的理论近似,因其使用简单、无需训练被广泛应用。但在实用过程中,融合算子性能的优劣往往根据实验结果来评价,无法事先估计各算子的性能。提出采用基于概率密度分布的真假两类可分性度量方法评估各融合算子的判决性能。在模态条件独立的前提下,各融合算子的概率密度分布可由单一模态概率密度分布计算出来,根据各融合算子的概率密度分布情况,可以有效评估各融合算子性能,从而实现最优融合算子的自适应选择。5.提出一种基于层次的单样本手部特征识别方法,通过各层匹配阈值的调节,实现不同层次的识别。第一层,中指与小拇指匹配分数融合。若待测样本匹配分数小于设定阈值,则完成识别；否则进入下面的层次进行识别。第二层,食指与无名指匹配分数融合。第三层,掌纹小波子带匹配分数融合。若前三层都未能完成识别,则进入最后一层,即融合前三层匹配分数进行识别。该方法采用由精到粗的匹配策略,使尽可能多的手部特征样本在第一层就完成识别,保证识别精度的同时提高识别效率。由于各层匹配中设定了相应阈值,该手部特征识别算法可以很容易地扩充到生物认证以及开集生物识别系统,有效拓展算法的应用领域。