生物识别技术是一项新兴的技术,它是利用独特的生理或行为特征来确定或验证一个人的身份。因此,为了确保有效的生物认证或识别,保护生物测定数据的安全和完整性是一个关键性问题。最近,利用生物图像和载体图像之间的相关性的方法用来保护生物特征数据变得很流行。在本文中,首先我们介绍用于保护生物信息的相关分析和隐藏技术的研究和发展。然后,简要介绍相关性分析部分的数学理论知识和信息隐藏的一些基本知识。最后,本文提出两种不同的相关性分析算法。一种是回归方法(LASSO, LARS等),这种方法是直接使用生物图像本身而不是图像的特征,比起现有的方法速度更快而且残差值更小。另一种是最佳修剪极值学习机(optimally pruned extreme learning machine, OPELM)相关的方法。OPELM首次应用于相关性分析而且效果良好。然而,考虑到OPELM太费时间,本文中提出两种快速OPELM,一种是改变其排列方法,另一种是改变其构造矩阵。另外以上方法应用于人脸图像也可以得到较低残差,这在现有的论文方法是不能实现的,如遗传算法(genetic algorithm, GA)与主成分分析(combined with principle component analysis, PCA)相结合的方法。得到生物图像和载体图像间的残差后,我们采用离散小波变换(discrete wavelet transform, DWT)与人类视觉系统(human visual system, HVS)相结合的方法隐藏并提取残差图像以证明所提出方法的有效性。在本文中,首先数据库是来自于五个库,包括ORL人脸数据库,Yale人脸数据库,扩展Yale人脸数据库B,PolyU掌纹数据库和CASIA虹膜图像库。基于MATLAB平台,对于我们提出的相关性分析和已发表论文中提出的方法进行大量的对比实验,主要是以降低倍数和运行速度为评价标准,而且还使用信息隐藏方法把所有方法得到的残差嵌入到载体图像中,以PSNR和MSE进行评价相关性分析方法的优劣。所有的结果表明,我们提出的方法比以前的方法更稳健、更快、残差值更小。