生物特征识别技术近年成为备受关注的研究领域,其中指部的生物特征,如指纹、指静脉等由于其独特的便捷性、安全性而被人们所重视。然而传统的二维指部识别方法一般是通过单目相机拍摄出二维手指图像进行识别,这会导致两个问题:第一,能用于识别的信息量有限;第二,识别效果易受手指姿态、位置和环境等因素影响。三维手指识别技术则通过多视角相机系统获取手指不同视角图片,并利用三维重建恢复手指三维信息,从而既采集了手指上更多的信息,又能很好地解决姿态、位置、环境光照等干扰,因此是十分有研究价值的前沿问题。本课题针对三维指部生物特征中的手指进行三维重建算法研究,以获取手指的三维几何和纹理信息用于识别认证。本文的主要贡献有:1、设计并制作了一套基于六个摄像头的手指图像三维采集系统,可清晰地获取六个方位的手指表皮图像和指静脉图像,这些图像包含了丰富的生物特征信息;2、提出一种针对轮廓边缘的缓存方法用来加速计算手指三维模型,并用实验证明重建出的三维模型接近真实手指;3、提出两种手指三维模型的纹理映射算法。其一是利用网格模型的顶点坐标,通过寻找三维顶点到二维图像的映射关系,将图像灰度写入三维模型。在寻找映射关系时,提出一种顶点来源图像的最优选择策略;其二是基于网格模型的三角面片,通过构建纹理贴图对手指模型进行纹理映射。实验表明,两种方法都能获得稠密的静脉纹理和表皮纹理;4、提出一种纹理接缝优化方法。通过构建基于接缝处纹理邻域灰度差值的损失函数,损失函数以相机外参作为自变量,使用梯度下降法优化外参后重新进行纹理映射,有效解决了纹理错位问题。最后认证实验表明:在多姿态数据下,仅使用单种特征信息时,几何轮廓特征、静脉纹理特征和表皮纹理特征得到的等误率分别为4.95%、4.48%和2.35%。当结合任意两种特征信息时,识别率有进一步的提高。当融合以上三种特征时,性能达到最佳,等误率为1.41%。这说明本文提出的手指三维重建方法能获得丰富的身份特征信息,对手指姿态变化更加鲁棒。