随着科学技术日新月异的进步，生物识别技术也迎来了发展的高峰。越来越多的生物特征识别技术被应用到经济和社会的各个领域，为各项安全认证产品的诞生提供技术支持。这种应用使生物识别技术不再是抽象的科学研究，而逐渐成为了多种领域、多种产业发展的核心力量。深入的研究使生物特征识别技术不断的服务社会，奉献大众。掌握了从图像的采集到识别再到对各种识别算法的研究就掌握了生物特征识别技术的关键。这也就为我们发展本国相关产业创造价值以及提供国际竞争力打下了坚实的基础。本文针对生物特征识别中最具代表性的人脸识别以及手指静脉识别展开研究工作。结合近年来刚刚出现的压缩感知理论，提出了一种基于稀疏分解的指静脉图像去噪算法，对指静脉图像有着很好的去噪效果。针对人脸特征提取方法中二维线性判别分析法在满足独立性以及分布同一性方面不足，研究了一种基于图像抽样重组的二维线性判别方法。研究了压缩感知分类器在人脸识别中的应用，并且结合基于图像抽样重组的二维线性判别方法，提高了人脸图像的识别率。本文的行文安排如下：首先，介绍了课题的研究背景、研究意义并阐述了生物特征识别的发展现状，以及生物特征识别包含的内容等。其次，详细介绍了压缩感知理论的三个组成部分，稀疏分解、观测矩阵的设计、信号的重构。其中以匹配追踪，正交匹配追踪，迭代硬阈值算法为例说明如何实现信号的重构。并且针对正交匹配追踪算法的不足研究了一种改进算法。第三，针对手指静脉图像的特点，提出了一种构造原子库的方法，实现了基于稀疏分解的指静脉图像去噪，对比了传统去噪效果，展现稀疏分解去噪的优越性。第四，分析了生物特征识别中最有代表性的人脸识别的识别方法，介绍了传统的线性子空间的特征提取方法，还介绍了近年来针对传统方法改进比较成功的基于张量的特征提取方法，并针对二维线性判别分析方法在满足独立性以及分布同一性方面不足，研究了基于图像抽样重组的二维线性判别方法。最后，研究了压缩感知分类器的设计方法以及对人脸图像的识别效果，与传统的最近邻分类方法进行了对比实验，验证了压缩感知分类器的优越性。在此基础上，采用压缩感知分类器结合基于图像抽样重组的二维线性判别的特征提取方法对人脸图像进行识别实验，验证了算法的效果。本文的选题及实验部分以课题组的项目为依托——吉林省科技发展基金、国家自然科学基金。论文的部分研究内容（基于稀疏分解的指静脉图像去噪）已经在国内期刊公开发表。