近年来,随着身份认证技术在人们的日常生活中越来越普遍,生物识别技术被广泛运用于安防、教育、支付等领域。指静脉识别技术作为一种新的生物识别技术目前备受关注。它拥有普通生物识别所没有的优势,例如特征本身具有活体性、安全性高,不易被伪造等等。手指静脉识别主要由感兴趣区域提取,特征提取及识别三个方面构成。由于指静脉图像质量易受到光照、摆放位置的影响,不利于特征的提取。因此,探索合理的图像预处理方法是保证后续识别的基础。特征提取是识别中最为关键的部分。在图像识别领域中,图像均以矩阵的方式存储和表示,矩阵分解技术是提取局部或全局特征的重要方法,也是实现维数压缩的有效手段。如何基于原有的矩阵分解算法,提出有效的特征提取和身份识别方案是本文的研究重点。本文的主要研究成果如下:(1)提出了基于旋转矫正的指静脉感兴趣区域的提取方案。采集过程中静脉图像会包含随机的噪声和偏转,故需要准确提取出指静脉特征最为集中的区域。本文中通过寻找手指边缘直线确定旋转角度,并通过绘制行方向和列方向像素灰度的直方图实现准确提取感兴趣区域。通过理论和实验实验验证了所提出方案的可行性。(2)提出了局部二值模式融合主成分分析,局部二值模式融合基于半张量积的二维非负矩阵分解的特征提取算法。传统的矩阵分解算法会丢失部分图像局部结构信息或二维结构信息,所以在特征提取前预先对图像进行了局部二值模式处理。通过实验验证局部二值模式的融合能够有效提高传统矩阵分解的识别率,并且半张量积能减少分解复杂度,提高分解效率。(3)提出了指静脉识别的系统架构。使用本文提出的图像预处理和特征提取方法,采用支持向量机对手指静脉进行分类识别,达到在1:N环境下实现用户身份认证的目的。