伴随着信息技术的飞速发展和人们社会活动、经济活动的增加,身份识别变得更加的重要。传统的身份识别(口令识别、密码验证等)方式无法识别用户本身,其安全性较差,不能满足当今社会对身份识别的需要。手背静脉识别技术作为生物特征识别技术之一,为解决这类安全问题带来了希望。本文采用机器视觉识别技术对手背静脉图像进行采集,在此基础上对手背静脉图像进行预处理以及对识别方法的研究。本文设计了基于机器视觉的手背静脉图像采集系统。为了获得高质量、受外界干扰较少的手背静脉图像,本文选择了合适的光源、挡光板、图像传感器以及镜头等部件。为了有效地提取出手背静脉结构的数据特征,需要对图像进行必要的预处理,包括手背摆放的矫正、图像分割、噪声处理、图像增强、血管脉络结构的细化等,同时对图像有效区域进行提取以及图像的归一化处理。本文根据手背血管脉络的特征,采用多种预处理方式,并结合MATLAB仿真得到相应的实验结果,为后面的特征提取和识别奠定了良好的基础。在完成图像预处理的基础上,进行手背静脉特征的提取。针对手背静脉识别的检测要求,建立手背静脉特征提取算法与BP神经网络算法相结合的识别模型。在手背静脉特征提取算法方面,研究了主成份分析-线性判别分析(PCA-LDA)和核二维主成分分析-二维线性判别分析(K2DPCA-2DLDA)方法进行手背静脉特征的提取,并将提取的成分变量作为BP神经网络的输入进行训练、固定网络参数。经过对神经网络进行改进,最后将训练完成的神经网络用于手背静脉的识别。采用MATLAB软件对手背静脉特征提取算法和识别算法进行仿真,仿真结果表明,基于K2DPCA-2DLDA-BP模型的算法在精确度上与实时性方面都有较大提高,达到了研究的目的。将本文研究的手背静脉识别技术在测试系统中应用,通过对测试系统的软件设计,实现了基于手背静脉的身份识别,验证了本论文研究的有效性和实用性。