生物特征识技术是利用人的生理特征与行为特征进行自动个体身份鉴别的技术，其以数字图像处理为手段，使用模式识别的方法来确定人的身份，相比传统身份鉴别技术具有高准确率、高鲁棒性等特点，因此在近年来得到了越来越多的重视。多种生物特征例如指纹、人脸与虹膜等已经得到学者的深入研究，并广泛的应用于工业界。在众多的生物特征中，手部生物特征例如指纹、掌纹与掌形等，凭借其易获取性、稳定性与高用户接受度等特性获得了更多的关注与研究。近年来，学者发现人的指节纹，即指手指近掌端的第一个关节处的手指背部的皮肤纹理，有非常高的个体差异性，且相对于其他手部特征有不易磨损、不易在物体表面留下痕迹等特点，使其成为一个有广泛应用前景的新型生物特征。指节纹识别系统分图像获取、预处理、特征提取与特征匹配四大模块。本文首先总结了指节纹识别的发展现状，并分类介绍了指节纹特征提取与匹配的主要方法。然后将掌纹识别领域竞争编码算法应用于指节纹识别并根据指节纹特点加以改进，提出使用Log-Gabor滤波器代替原算法的Gabor滤波器以减少光照对滤波结果的影响，并将滤波器组中滤波器方向减少为4个，在保证与原算法同等识别精度的前提下提高了识别速度。为了进一步挖掘指节纹的局部纹理特征并提高算法识别精度，本文提出了基于自适应可调方向编码的指节纹识别算法。该方法首先使用了高阶的导数方向可调滤波器精确计算了指节纹局部方向特征，然后提出自适应的多阈值循环直方图分割算法对指节纹方向图量化后进行编码，最后设计了角度距离用于特征匹配。在香港理工大学指节纹公开数据库上的实验结果表明该算法可稳定准确的抽取指节纹的局部方向，而且使用四类方向足以表达指节纹特征，是目前基于编码的指节纹识别算法中准确率最高的算法。本文在最后还讨论了不同手指指节纹对识别效果的影响，并对同一个人的多个指节纹加以融合进一步提高了识别精度。