在过去的二十年中,有关于生物特征识的别技术已广泛应用于各个行业。在许多生物特征中,人手的一些生物特征,例如指纹,手指静脉,手掌形状,掌纹、手掌静脉等,由于这些部位特征具有较强的稳定性,不易仿造性和易于得到的性质而受到了国内外学者广泛的关注与研究。指节纹(Finger-Knuckle-Print,FKP),是指人体手指中部第二节以及第三节的纹络,又叫做“指节横纹”,是人们手部生物特征的一种,可以应用在于生物特征识别技术中。指节纹特征识别与其他生物特征,例如指纹、掌纹、人脸、虹膜等生物特征识别技术比较起来起步晚,研究层次还不深入,应用于实际生产环节仍然存在一些局限性。首先,指节纹图像识别通过利用传统识别技术实现,存在识别效率低并且特征数据冗余的情况,其次应用在实际生产中需要做到快速的识别,并且对指节纹图像识别有较高的准确率。本文针对以上问题,通过卷积神经网络相结合改进LBP算法的方法进行研究实现指节纹图像识别,具体研究如下:(1)通过传统方式对图像进行归一化、图像增强、二值化等处理,降低噪声影响,提高图像鲁棒性,提高图像的识别率。(2)实现指节纹识别,本文通过卷积神经网络代替传统识别方法进行指节纹图像识别,能够有效解决特征冗余性问题。本文首先采用Resnet网络对指节纹图像进行仿真实验,取得不错的识别效果。(3)提出因光照不均与图像噪声对神经网络学习到的特征影响,深度卷积网络融合局部纹理描述子对指节纹识别。采用指节纹图像预处理后的LBP特征,作为网络输入,减小噪声影响。输入数据为改进后的LBP特征实验结果,对比直接输入原图像实验结果,指节纹圷识别率得到有效提高。(4)通过传统算法进行指节纹特征提取的缺陷,提出邻域相关的LBP算法,所提出的改进算法是利用图像像素邻近像素点间的相关性,提取纹理特征。将改进后LBP算法对指节纹图像进行处理,输入到卷积神经网络中。实验结果表明改进后的算法与原始算法进行对比实验,得出改进后算法可以提高识别率的结论。