信息化时代对人们身份识别的需求应用越来越多，如何准确鉴定一个人的身份，保护信息安全，是信息化社会必须面对的关键性问题。指纹识别技术作为较为成熟的生物特征识别技术已经广泛应用于人们的生产生活中，但指纹特征存在于皮肤表面，导致其会产生不可避免的缺陷，如手指皮肤磨损、伤痕、污垢、年长者手指皮表退化等都会影响其使用效果。对于采用手背皮表下的静脉特征作为识别依据的手背静脉识别，可以完全克服以上诸多缺陷，并且可以有效防止对识别特征的模仿或伪造。　　 根据手背静脉图像采集的要求，设计了光谱可调的近红外LED光源，对采集系统硬件的各部分进行了具体分析，选择了适合的相关器件，搭建了一套满足采集要求的手背静脉图像采集系统。　　 通过手背静脉图像采集系统得到的手背静脉图像具有噪声较大、灰度分布不均、手背角度位置不统一、静脉纹路不明显等缺陷。首先通过对手背静脉图像的角度和尺寸归一化解决了采集过程中手背的位置、角度不统一的问题，然后利用基于像素点的动态阈值法解决了手背静脉图像灰度不均带来的二值化问题，最后通过中值滤波与脊波滤波对图像进行了去噪与增强。　　 在分析了现有手背静脉识别方法的基础上，提出了基于空间域特征点融合变换域小波能量特征的手背静脉识别方法。在手背静脉图像的空间域进行特征点的提取并利用豪斯多夫距离进行判定，在手背静脉图像的小波变换域进行其能量特征的提取并利用加权城区距离进行判定，最后将两类判定结果加权融合得到最终结果。该方法克服了依靠单一手背静脉特征进行识别的缺陷，实验结果表明该方法可以有效提高识别率，并且在大样本情况下依然能够保持高识别率。　　 提出了基于小波分解的二维核主成分分析(K2DPCA)结合二维线性判别分析(2DLDA)的手背静脉识别方法，首先对标准化图像进行一级小波降维分解，对得到的低频子图在垂直方向上进行K2DPCA特征提取，然后在水平方向上进行2DLDA特征提取，对最后得到的特征矩阵利用最近邻分类法进行分类。实验结果表明该方法在小样本情况下能提高手背静脉识别率，有效降低识别时间。　　 本文从采集系统的搭建到识别方法的实现都进行了深入分析与研究，在综合对比分析多种识别方法优缺点基础上，提出了两种新颖的性能较好的手背静脉识别方法。