手指静脉识别具有活体检测、高稳定性、高唯一性以及高便捷性等优点,在生物特征识别领域具有广泛的发展和应用前景。本文针对近红外图像采集装置获取的手指静脉图像进行预处理、静脉特征提取、匹配识别算法及快速检索策略等方面的研究,主要研究内容如下:(1)针对现有图像增强方法中存在的增强效果不佳或耗时过大的问题,提出了一种新的模块化自适应直方图均衡化图像增强算法,均衡了增强效果及时间开销。将本文算法与其他三种增强算法的识别效果进行对比,通过ROC、CMC、运算耗时等性能指标分析,得出本文算法综合性能最佳。(2)针对特征提取时,不同光照强度下静脉图像分割效果不佳的问题,提出了基于有效信息损失率和干扰线剔除率的自适应图像二值化算法,实现阈值的自适应获取。融合形态学与最大曲率算法提取的静脉特征,克服了特征提取时有效信息缺失和无效信息冗余的问题。(3)研究了基于MHD距离和基于模板重合率的图像匹配方法。对香港理工大学静脉图库进行实验分析,采用FAR、FRR、ROC、EER等指标进行匹配性能分析,并通过理论及实验结果分析两种匹配方法的优缺点及适用情况。(4)针对大数据量样本匹配识别时存在的存储量大、匹配速度慢、识别效果差等问题。研究了图像压缩加密联合算法,在减小特征图像容量,降低匹配识别运算量的同时,保证匹配的全过程无需解密直接匹配,保障了特征模板的安全性和隐私性。研究图像二级特征匹配方法,并基于此提出快速检索策略,提高匹配识别效率。