法医同一认定是一种法医通过对已知和未知客体的两个或多个特征之间的异同点进行比较和鉴别,推断出所研究客体是否来自同一客体的认识活动。该技术中较常采用的生物特征指标主要有人脸、指纹、掌纹、虹膜、牙齿、颅面形态和DNA等,但是在极端环境中,人脸、指纹、掌纹、虹膜等指标可能会受到诸如火灾、化学腐蚀或外部创伤等环境因素的制约,导致信息缺失,且环境和经济因素也常常限制大规模遇难者DNA的测定。因此,研究一种不易被破坏和伪造且成本较低的人类生物特征指标,已成为法医同一认定中亟待解决的问题之一。腭皱作为一种新型生物特征,具有耐腐败和耐高温等特性,现已成为法医同一认定中进行身份认定的黄金指标,亦为法医同一认定提供一种新的认证手段。目前对腭皱识别的研究主要停留在采用手动的方式对腭皱的形态、数量、长度和方向等进行标定,并进行统计意义上的分类研究,缺乏利用数字图像处理技术进行三维腭皱识别的研究。本论文从数据集创建、特征提取、特征降维和分类技术方面研究数字化三维腭皱识别系统的关键技术。主要研究工作如下:（1）考虑到以往腭皱识别的研究过度依赖于法医专家的人工参与,智能化程度较低,本文提出了一种基于循环谱分析的三维腭皱自动识别方法。具体地,针对腭皱数据特点引入了循环谱作为识别的特征,并采用了K近邻分类器（K Nearest Neighbor,KNN）来实现腭皱识别。此外,为了解决因腭皱数据维度大造成的信息冗余问题,本文使用了两种策略来简化三维腭皱特征的复杂度,一方面,提出采用等距切片的方法对三维腭皱数据进行降维;另一方面,采用循环谱特征的分块方案进行特征降维。本文提出的方法首次实现了完全采用信息技术来实现腭皱识别,有助于推进腭皱法医同一认定系统的数字化和智能化。实验结果表明本文提出的腭皱识别方法准确率高达95%以上。（2）考虑到腭皱数据在时域和频域上特征都较为丰富,本文提出一种基于分数阶傅里叶变换的三维腭皱识别方法,该方法从时域和频域提取腭皱特征信息,并采用了支持向量机（Support Vector Machine,SVM）分类器来实现腭皱识别。此外,为了防止特征维度爆炸,降低无关信息对腭皱识别的影响,本文使用递归特征消除（Recursive Feature Elimination,RFE）对腭皱分数阶傅里叶变换特征进行特征选择,选择出最优的特征向量组合。实验结果表明,本文构建的三维腭皱智能识别系统的准确率可达97.8%。（3）提出一种基于深度学习的三维腭皱识别方法。相比于手工设计的特征,深度学习可以从训练数据中迅速学习到更为有效的特征表示。深度学习模型从基于原始数据的像素级到抽象的语义级逐层提取特征信息,使得其在提取图像的全局特征和上下文信息方面具有突出的优势,提高了分类的精确性。本文采用深度学习中预训练好的VGG19和Res Net18网络来进行腭皱特征提取及分类,并构建三维腭皱识别系统。实验结果表明,所构建的腭皱识别系统识别准确率可达97%。