生物特征识别技术是利用人类自身生理或行为特征进行身份鉴别的一种技术。人的生理特征包括指纹、手形、掌纹等,行为特征包括签名、语音等。与基于ID卡、口令和密码的传统身份鉴别相比,这些生理或行为特征很难被摹仿,使用起来无需记忆,也不必担心丢失或被盗。因此,生物特征识别技术有望在越来越多的场合获得实际应用。然而,实际的应用给鉴别系统提出了很多要求,如:识别率、可接受性、安全性、存储空间、识别速度等,为了突破上述单模生物特征识别技术本身的缺陷,许多科研人员都把注意力投向多模态生物特征识别的信息融合技术研究。选择指纹、掌纹和手形三种生理特征作为信息融合对象。这三者存在着固有的生理上的紧密关联性并能进行更深层次的融合,而且可以通过一幅图像同时获取指纹、掌纹和手形的图像数据,这样就减少了融合系统设计和系统管理的复杂性,具有其它生物特征融合所不具备的独特优势。本文研究了指纹、掌型、手形三模态融合的相关理论。将图像质量判别引入到多个模态生物特征识别中,提出的基于图像质量判别的串联融合模型和并联融合模型,进一步提高身份鉴别的准确性和鲁棒性。本文的主要研究工作可分为以下两个方面:(1)、对信息融合理论、融合层次、融合方法做了概要的描述。通过空域和频域两种方法对指纹图像质量判别,采用SVM将指纹纹型分为五类(分别为弓形、左旋、右旋、斗形、帐形),实验效果可行。最后建立了三模态数据库。(2)、在多模态的识别过程中,归一化非常重要,通过归一化算法将不同空间的度量尺度映射到一个统一的可信区间上。本文提出了FSL和LTL两种归一化算法,分别将匹配数值映射到[0,2]和[0,1];提出了基于图像质量判别的UWQ和MWQ融合算法。在融合模型研究过程中,提出了基于JFV融合模型、基于指纹纹型的匹配层融合模型、和基于图像质量判别的MWQ和MWQ融合模型。