生物特征识别技术已经广泛应用到了各个领域,其中虹膜识别技术在所有的生物特征识别系统中具有特异性高、错误率低、稳定性强等优点,已经得到了较为成熟的发展；而新兴的指静脉识别技术是一种非接触式活体采集的生物特征识别技术,由于其受外界干扰小,易于采集,设备造价低等优势也得到了广泛推广。现有的研究一般是在较为理想的采集情况下进行的,而对于非合作式采集的数据识别性能不是很理想。例如虹膜中用户眼睛采集距离远近产生的图像缩放,静脉采集中由于旋转产生的图像旋转等问题都是在实际采集中不可避免的。如何能够在非理想采集情况下取得理想的识别效果是需要研究的问题。本文针对现有的两种生物特征识别算法对于旋转平移缩放等常见问题鲁棒性不强的问题,结合现有的基于尺度空间理论中的SIFT算法进行了如下的研究：(1)概述了当前虹膜识别和指静脉识别技术的发展现状,分析了现有工作中常见的问题,对于两种生物特征识别的一般框架及框架中常见的问题和常见的算法进行了分析。(2)介绍了尺度空间理论的基本思想,以及其中的典型算法SIFT,对于该算法的基本流程做了概述,同时分析了SIFT算法的优势,为生物特征识别应用提供理论支撑。(3)分析现有的将SIFT算法引入虹膜识别中解决旋转平移缩放问题的算法的不足：如特征点提取不足导致识别率较低,特征点丢失和噪声引入等问题。在此研究基础上提出了一套适合基于SIFT的虹膜识别框架,在现有的中科院公开数据库上测试性能,并与相关的基于SIFT的虹膜识别算法比对,实验证明本文算法能够有效提升系统的识别性能。(4)首次将SIFT算法引入到指静脉识别中用于解决指静脉识别中因旋转问题产生的性能下降问题。首先通过自建数据库进行了相应匹配参数的合理选择,然后对于非旋转的标准数据库与现有的基于二进制的典型算法LBP进行性能上的比对,最后通过构建大角度旋转虚拟数据库测试算法对于旋转的鲁棒性。实验结果显示本文的提出的算法在非旋转数据库上EER为1.71%优于LBP的2.67%。同时构造的旋转数据库上EER稳定在2.6%左右,但是LBP算法性能急剧下降,这表明本文算法在指静脉数据库上对于旋转平移具有很好的健壮性。本文虽然对于现有的两种生物特征识别做了一定的工作,但是还存在一些不足之处需要后期改进,例如虹膜识别中对于特征提取时问偏高,可以采用聚类的方法对于同类的特征进行提取,对于指静脉识别中匹配点对在某些样本中同源匹配对数偏少等,可以考虑采用SVM算法对于提取的特征向量进行分类,这样可以有效弥补只用匹配对数硬性分割造成的临界点值不易区分类别的问题。