掌纹识别是一种新兴的生物识别技术,以其稳定性、唯一性等特点成为业界关注的热点之一,现己应用于身份识别与用户验证。掌纹识别技术包括掌纹图像采集与预处理、特征提取、特征匹配、决策四个环节,其中特征提取算法是掌纹识别的关键,直接决定识别效果。本文在研究现有掌纹识别算法的基础上,利用Contourlet变换和子空间方法的优势,采用融合策略,提出了基于Contourlet与子空间分析的手部特征融合识别算法。主要工作包括：1.提出了一种基于Contourlet变换与NMF掌纹识别算法。Contourlet变换具有三方面优势：首先,具有较好的方向性和各向异性,能捕捉图像的边缘信息；其次,Contourlet具有平移不变性,在融合过程中能够有效减少配准误差对融合结果的影响；最后,经过变换得到的各尺度方向子带图像与源图像具有尺寸大小相同等特性,较容易找到各个子带图像之间的对应关系。NMF能将所有元素均为非负数作为约束条件进行矩阵分解。在非负矩阵分解过程中,适当地选取特征空间的维数能够获得原始数据的局部特征。综合以上两种算法的优点,将原始掌纹图像经Contourlet小波变换后,利用NMF提取特征,提高了掌纹的识别率。2.提出了基于contourlet小波变换和ICA的掌纹识别算法,识别效果提高。3.提出了一种基于Contourlet变换与ICA的手部特征多模融合识别算法。该算法分别使用Contourlet与ICA的方法提取掌纹和指横纹特征的基础上,利用简单加权策略将两种手部模态特征进行融合,最后通过最近邻分类器进行分类识别。实验对比了掌纹、指横纹、掌纹和指横纹融合三种模态的识别效果,证明多模态手部特征融合在识别中的有效性。