近些年来图像配准融合技术已成为自动目标识别、医学图像处理、智能机器人、智能制造业、军事应用等领域研究的热点问题,并取得了大量的研究成果。掌纹作为重要的生物特征在生物认证领域有着极其广泛的应用。本文从图像配准、融合的基本理论出发,对掌纹图像的配准与融合方法进行了深入研究。本文主要包括以下工作:掌纹图像配准方法的研究。目前的图像配准方法主要分为基于区域和基于特征两大类。其中基于特征点的配准方法计算量小,速度快,并且对图像灰度的变化具有鲁棒性,成为目前应用最为广泛的配准方法之一。本文在对目前主要角点提取算法研究的基础上,将SIFT特征提取算法应用于掌纹图像,通过对相应阈值的调整与图像增强技术相结合实现了掌纹图像的配准。并通过仿真实验给出了同次及异次获取的掌纹图像发生旋转、缩放、模糊、数据缺失等情况下的配准效果。表明了SIFT特征检测算法在掌纹特征提取方面具有应用潜力。图像融合及融合效果评价理论的研究。这一部分侧重于像素级图像融合方法的研究。对加权平均融合法、灰度值选取融合法、拉普拉斯金字塔融合法进行了仿真实验,给出了相应的掌纹图像的融合结果。对目前主要的图像质量评价标准进行了详细的分析。在此研究基础上提出了一种基于空间频率和遗传算法的掌纹图像融合方法,并进行了仿真实验,计算了均方根误差和相似性度量结果通过与传统的图像融合方法进行对比,表明该方法对于模糊的掌纹图像具有较好的融合效果。