随着社会的发展和科技的进步,生物识别技术(如虹膜、指纹、手静脉等)已经成为了研究的热点。其中,静脉识别以其不易伪造且非接触式采集等独特优势倍受人们关注。但是,由于在静脉采集过程中受到仪器设备、光照等因素的影响,采集的静脉图像对比度往往较低、噪声较多,给最终的识别带来很大的不便,因此在识别之前对静脉图像进行去噪和增强处理是很有必要的。小波变换以其低熵性、多分辨率特性等优势,大量的应用在图像去噪和压缩等领域。但是,在高维情况下,小波不能有效的表示静脉图像中的多方向性边缘和纹理等几何结构,而Bandelet变换可以克服小波变换在处理高维信号的不足,且对几何正则图像,Bandelet基可达到最优逼近率。本文以Bandelet变换为基础,并将其运用在静脉图像的去噪与增强上,充分利用Bandelet变换表示图像几何特征的优势。由于小波缺乏方向性和平移不变性,使得基于小波域的Bandelet变换受到小波缺陷的影响,因此本文采用基于DTCWT域的Bandelet变换,称之为DTCWT-Bandelet变换的去噪算法,并对比了Wavelet, Bandelet, DTCWT, DTCWT-Bandelet在Garrote阈值函数下对带有加性高斯白噪声图像的去噪效果,实验结果表明,基于DTCWT-Bandelet去噪算法在主观和客观上都比基于wavelet和Bandelet变换的去噪算法有更好的改善。在带噪静脉图像增强算法上,本文采用非线性增强函数,抑制噪声的同时增强图像的边缘,并对比了Wavelet, Bandelet, DTCWT, DTCWT-Bandelet在非线性增强函数下的增强效果,实验结果表明,DTCWT-Bandelet变换能够更好的增强图像特征并有效的减小图像边缘等处的失真。