传统的掌静脉和掌纹图像融合识别一般需分别采集掌静脉和掌纹两类图像，而单幅近红外手掌图像中实际上同时包含了掌静脉和掌纹结构信息。由于二者局部纹理细节差异较大，且像素值分布范围不同，因此，可以先分离再分别增强处理。首先，提出了改进的引导滤波算法以便去除掌纹结构，并设计了反模糊细节增强模型增强掌静脉结构图像；然后，提出了一种改进的分块增强算法，可以在增强掌纹结构图像的同时滤除掌静脉结构信息，再利用基于Sobel算子的反锐化掩模算法以便突出掌纹主线条结构信息；最后，对单幅近红外手掌图像中获取的掌静脉和掌纹图像进行融合识别。在香港理工大学近红外手掌数据库上进行了实验，结果表明：所提出的算法识别率达到了99.63%，与其他已有算法相比等误率平均降低了0.66%，验证了所提出算法的有效性。
