随着社会信息化的飞速发展,人们对于信息安全的理解更加深刻。提供一种安全便捷的身份认证方式已成为人们日益关注的话题。手指静脉识别技术是一种利用红外条件下采集的手指静脉图像进行身份认证的生物特征识别技术。与其他识别技术相比,手指静脉识别技术在安全性和便利性之间拥有最好的平衡性。由于这种优势,手指静脉识别技术的发展炙手可热。然而,现存有关手指静脉识别的方法大多基于完整的采集图像信息。我们知道,生物特征识别技术采用的方法大体可以归纳为两类：基于完整图像信息的识别方法和基于图像特征的识别方法。前者利用了完整的采集图像进行空间相似性匹配,而后者仅仅利用从图像中提取出的特征点进行匹配。由于基于完整图像信息的识别方法需要存储采集图像的原始信息,这样难免存在个体生物信息泄露的风险。另外,由于需要存储完整的图像信息,以目前科技水平很难将这种方法应用于智能卡系统,这就意味着该技术无法进行大量的商业推广。而且,基于完整图像的方法很难处理图像失真和噪声带来的影响。基于图像特征的识别方法却能有效地解决以上问题。利用图像特征点进行匹配识别的指纹识别系统已大量应用在人们的日常生活中,这个事实很好的说明了这种方法的实用性。本文就将针对基于图像特征的手指静脉识别技术进行研究,并将重点研究静脉图像特征的提取方法和匹配方法。首先,本文利用实验室自主研发的手指静脉图像采集装置进行图像采集,并对原始图像进行预处理,得到了数据量较小的图像信息。接下来,对手指静脉图像特征提取方法展开研究。从医学领域血管影像的提取方法中得到启示,本文对静脉图像进行了Hessian分析,并提出了静脉像素点距离(Vein Pixel Distance, VPD)和辐射度的概念。辐射度能够很好的表达静脉图像的局部结构特征,基于对局部最大辐射度的检测,我们就能提取出静脉图像的特征点。本文对VPD和辐射度的其他应用也做了一些探讨。完成了特征点的提取工作,本文又对基于图像特征的匹配方法进行研究。迭代最近点(Iterative Closest Point, ICP)方法被广泛应用于图像配准和模型匹配领域,但是,该方法的全局初始化不理想。为了解决传统ICP方法所面临的问题,本文结合一维序列和区域引导思想,提出了区域成长的一维ICP方法,并将该方法用于推演特征集之间的变换矩阵。为了快速准确的实现匹配,本文在传统动态序列规整(Dynamic Time Warping, DTW)方法的基础上,融入了区域成长的一维ICP方法,提出了一种快速搜索的DTW方法——不变矩的动态序列规整(Transform Matrix-invariant DTW,TMI-DTW)通过与几种基于完整图像的识别方法相对比,实验结果表明本文提出的方法在识别效果上确实优于传统的识别方法。通过本文的研究,提出了一种基于辐射度和不变矩的动态序列规整的手指静脉识别方法,实现了基于图像特征的手指静脉识别技术,为生物特征识别技术的发展做出了一定的贡献。