近年来,随着互联网技术的发展,信息安全显得越来越重要。人们迫切需要一种安全性更高、保密性更好、更便捷的生物特征识别方式来保障信息安全。医学研究证明手指静脉的形状具有唯一性和稳定性。与众多生物特征识别相比,手指静脉识别技术拥有其独特的优点。首先,手指静脉识别属于活体识别,它存在于活体内部,不易被盗用和复制;其次,它不受年龄和手指表面脏污影响。因此,手指静脉识别具有广泛的研究前景。论文首先介绍了课题研究的背景和意义,总结分析了国内外指静脉识别技术的发展现状。然后对手指静脉图像采集与预处理、手指静脉特征提取、手指静脉识别等关键技术进行了深入的研究和探索。在采集建立手指静脉图像数据库的基础上,针对实际采集手指静脉图像中会出现手指倾斜问题,本文提出了一种基于内切线的手指静脉图像感兴趣区域定位算法。在边缘检测后,算法首先通过去连通域方式获得完整的手指边界图像,再通过找到手指边界图像起始一列和最后一列所在的直线段的中点坐标,将两个中点连线所在直线与竖直方向直线夹角作为手指静脉倾斜角度,最后进行旋转矫正。再对两条手指边界做内切线,截取到手指静脉图像感兴趣区域宽度,再利用滑窗机制寻找到手指关节处,最后将两个关节处高度作为手指静脉感兴趣区域高度。实验结果表明,本文提出算法能够准确地定位出手指静脉图像感兴趣区域,并且具有较好的鲁棒性,为后续的图像特征提取和准确识别奠定了基础。通过分析基于LBP与基于PCA的手指静脉图像特征提取算法,针对单一特征描述不够细致问题,本文提出了一种基于分块LBP和分块PCA的手指静脉图像特征提取算法。算法先将指静脉ROI区域分成若干块,并提取各个区域的LBP特征值,再将所有区域的特征值进行叠加,形成特征向量,然后对整个样本特征矩阵进行划分区域,最后对不同区域进行PCA降维,得到降维后的特征矩阵。实验结果表明,本文提出算法突出了手指静脉图像的细节特征,且大大降低了特征冗余,提高了识别精度和识别速度。针对线性分类器识别率不高问题,本文研究并实现了一种基于神经网络的手指静脉识别算法。算法将特征提取步骤得到的降维后特征矩阵作为神经网络的输入,对神经网络进行训练,以得到一个满足实时性和精度要求的神经网络分类器。实验结果表明,该算法具有较最近邻分类器更快的识别速度和更高的识别率。最后,开发实现了一个手指静脉识别软件系统,详细阐述了软件系统的总体设计思路和各模块的功能及其实现方式。通过实际系统的开发,为本论文的算法研究提供了思路,并为算法的实际应用提供了实验平台。