生物特征识别是当前身份认证领域的研究热点,国内以指纹识别为标志的生物特征识别的研究已经发展了许多年。但是对于手掌静脉识别的研究目前还处在起步阶段,该技术利用更为安全可靠的生物特征—静脉图像,既以获取到的人体手掌部的静脉血管图像作为处理数据,而后通过图像预处理、特征提取、模式识别等技术来完成身份认证,特征提取即是其关键技术之一。本文对手掌静脉识别中的特征提取方法进行了深入的研究,主要研究工作如下:1.系统地介绍了手掌静脉识别的技术路线。对其中的一些关键技术进行了详细的阐述,并着重介绍了特征提取中的纹理特征提取、形状结构特征提取等重要理论基础。2.对利用Gabor变换提取手掌静脉中纹理特征的方法进行了深入研究。针对基于Gabor的纹理特征提取算法中,特征维数偏高及对于图像旋转较敏感的问题,提出了一种改进的Gabor特征编码方法。该算法根据手掌静脉图像的特点,通过在Gabor核函数中减去直流分量消除了低频信息对于纹理特征提取的影响,通过适当的选取参数提取出了手掌静脉的纹理特征;在编码时利用改进的正负编码及幅值编码对所有方向上的特征进行统一编码,在降低了特征维数的同时提高了特征对于图像旋转的鲁棒性;然后利用AVR方法挑选出具有最佳分类性质的特征以进一步减少了特征的维数,且最大限度的保留了原图中的纹理信息。3.对手掌静脉中形状结构特征提取的方法进行了深入探讨。指出单纯采用特征点法将丢失静脉纹理中的结构信息,针对这一问题,我们把静脉血管看成是一系列曲线段的组合,并借用夹角链码的思想来描述线段间的结构信息,然而夹角链码仅限于描述外轮廓,对类似静脉血管之类存在大量内交叉线段的图形则无能为力,并且在曲线拟合中采用等长折线的方法会在曲线有大幅度变化的地方产生较大的拟合误差等。鉴于以上问题,本文提出了一种改进的提取手掌静脉形状结构特征的方法:用提取到的特征点来代替夹角链码中的首点,使得计算效率有了很大的提高;曲线拟合过程中使用中值迭代的方法,并根据拟合线段和原线段间的误差来控制拟合的过程,因此拟合的精度可以无限的逼近原曲线段,且计算量也大大减少,同时保留了夹角链码可以表述线段间结构信息的优越特性。最后,本文通过实验对上述算法进行了验证,并与现有算法进行对比分析,实验表明:通过对Gabor特征提取算法的改进和夹角链码算法的优化提高了特征提取的速度和精度,降低了对光照变化和位移、旋转的敏感度,从而实现快速、稳健的特征提取。