生物识别技术是利用人体生理特征来实现身份识别的技术。随着社会的信息化、数字化、网络化的高速发展，各种生物识别系统广泛的应用于如银行、机场、军事基地、研发机构等场所。其中，手指静脉识别技术以其高度防伪、高准确性、简便易用和快速识别等突出优势，成为近年来最具发展前景的生物识别技术之一。研究手指静脉识别技术具有很高的应用价值。本文对手指静脉识别技术中的分类识别算法进行了深入研究，主要的工作包括：（1）分析总结了现阶段国内外手指静脉分类识别算法，并通过仿真实验比较其优缺点。（2）根据二值化后的手指静脉图像的拓扑结构特点，提出了一种改进的OPTA细化算法。该算法改善了消除模板和保留模板不一致的情况，构造了8个消除模板及6个保留模板，然后再通过毛刺的裁剪、图像的修复，得到了无冗余的点的单像素点的静脉细化图像。（3）提出了基于核Fisher判别分析（KFDA）的手指静脉识别方法。通过引入核函数，利用了类间散度阵和类内散度阵作为Fisher准则，通过对预处理后的手指静脉数据库进行仿真。实验结果表明，该方法具有较高的识别精度，其精度能达到98.2%。（4）提出了基于BP神经网络的手指静脉识别方法。首先，利用主成分分析（PCA）和线性判别分析（LDA）将手指静脉图像从高维空间降低到低维空间，去除图像中包含的冗余信息，提取出静脉图像的特征向量。然后将提取到的特征向量作为BP神经网络的输入，进行训练与识别。实验结果表明：该算法具有较快的识别速度和很高的识别率。从而验证了该算法在手指静脉识别中的有效性。