随着信息时代的快速发展,人们对信息安全等级的要求越来越高,传统的身份认证方式不再能满足人们的需求。生物特征识别技术因具有高安全等级和便利性等优点得到一些研究者的广泛关注。与其他生物特征识别技术相比,手指静脉识别技术因具有非接触式、活体识别以及内部特征等优点成为目前生物特征识别的研究热点。但手指静脉识别算法仍存在一些问题,如提取静脉纹路不准确、系统识别性能低以及系统的实时性差等。为了提高系统的性能,本文主要从以下几个方面展进行深入研究:针对目前分割算法分割效果差的问题,本文提出基于二维高斯曲率的NIBLACK分割算法。该算法的主要创新点有两个:一是首次提出将曲率与局部区域动态阈值NIBLACK算法相结合用于提取静脉纹路;二是提出用二维高斯核函数提取手指静脉图像的曲率,一方面起到滤波作用;另一方面充分利用模板区域内所有像素点削弱了噪声的影响。理论分析和实验仿真结果表明,本文提出的分割算法比经典最大曲率算法和基于方向滤波算法提取的静脉纹路更准确且稳定。针对目前系统识别算法识别性能低的问题,本文提出基于细化图像校正平移和基于方向场图的识别算法。传统基于特征点的MHD识别算法,用细化图像的特征点进行匹配识别,因特征点包含信息量少,存在伪特征点以及真实特征点缺失等问题导致系统识别性能低,但验证了细化图像具有稳定性和唯一性。因此本文提出用细化图像校正图像间的平移。方向场图是由不同方向灰度值差分的相对大小决定的量化值,同时方向场图中的每个像素点都包含图像信息,方向场图包含的信息具有稳定性和完整性,因此本文提出基于方向场图的识别算法。实验仿真结果表明,细化图像在一定程度上可以校正图像间的平移,基于方向场图的识别算法的性能明显优于基于特征点的MHD识别算法和基于梯度相关系数的识别算法。手指静脉识别系统的工作模式有辨别模式和验证模式两种,即1:1模式和1:N模式。在1:N模式时,随着N的增长,匹配识别耗时呈线性增长。本文利用细化图像和方向场图提出基于分步思想的快速识别算法缩小匹配识别耗时。首先用手指静脉图像的细化图像初步区分是否是同类图像,然后用方向场图识别算法进一步匹配识别。理论分析和实验仿真结果表明,基于细化图像和方向场图的快速识别算法可以提高系统的实时性。本文对手指静脉识别技术相关算法进行了全面而系统的研究。本文提出的分割算法、识别算法以及1:N快速识别算法提高了系统的可靠性和有效性,在一定程度上促进了手指静脉识别技术的应用与发展。