人体生物特征识别技术一直是人类研究的热点,随着计算机图像和模式识别等学科的发展,该领域不断推陈出新。当前广泛应用的生物识别技术主要有人脸识别技术和指纹识别技术,但是二者都属于体表的生物特征,安全性得不到足够的保障。而静脉识别技术作为体内活体生物特征,刚好弥补了体表特征的不足,具有更高的安全性。静脉识别技术中以手指静脉识别技术最受关注。手指静脉图像识别技术在实用化过程中,由于用户数量的不断增大和采集环境的限制,导致采集到的手指静脉图像质量不高,从低质量手指静脉图像中提取的静脉特征的稳健性和显著性下降较为明显。因此,对于面向低质量手指静脉图像识别中的关键技术的研究需求较为迫切。本文针对低质量手指静脉识别中的关键技术从传统方法和卷积神经网络方法两个方向进行研究,主要创新点有:(1)考虑不同灰度背景条件下灰度背景对人眼感受到的灰度梯度的影响,定义了基于人眼临界可见偏差的人眼感知梯度概念,并应用该概念提出根据人眼感知梯度自适应调整阶数的分数阶微分增强算法。由于传统的梯度没有考虑到背景亮度的影响,本文使用相对梯度替换传统梯度,用以衡量真实的灰度变化情况。同时,为了考虑提高相对梯度对噪声的鲁棒性,将传统的相对梯度进行改进,使用8邻域均值替代当前像素值,并对其抗噪有效性进行了推导证明。最后,使用提出的算法对存在光照不均匀且对比度不高情况的手指静脉图像进行增强实验,采用平均梯度和信息熵以及直观增强效果综合评价所提增强算法的效果,并和常用于手指静脉图像增强的模糊增强算法以及不同阶数下的传统分数阶微分增强算法进行对比,对比结果说明了所提算法的有效性。(2)针对使用方向谷形检测方法对低质量手指静脉图像进行分割中存在的静脉边界区域分割精度低的问题,本文对结合了Niblack算法的方向谷形检测分割算法进行了深入的研究和探讨,并以此为基础提出了基于canny算法修正的方向谷形检测手指静脉图像分割算法。首先,作者对手指静脉的局部梯度变化特征进行了分析,并得出了静脉边界点应该具备的条件,并以此作为是否为真实边界点的判据,同时结合由canny算法获取的非极大值抑制图像对基于方向谷形检测的分割结果进行边界点修正。最后通过实验对比修正前后的分割效果,所提算法的分割结果在静脉区域的连续性和静脉提取的真实性和准确性上都表现更加优秀,说明其是有效的。(3)对当前适用于图像特征自适应提取的卷积神经网络进行研究,并针对低质量手指静脉图像识别问题在图像数据集处理过程中提出了一种滑块遮盖的方法。该方法使用固定大小的全零灰度值的滑块对每张原图进行滑动遮盖处理,每移动一次将被遮盖区域像素值设置为0,产生一个当前原图所属类别的新的样本。由于该方法充分考虑了整张图片可能在任意位置存在的显著性不高的静脉特征区域的情况,并对这些区域进行屏蔽,使得训练后的网络模型能够对低质量手指静脉图像识别具有较高的鲁棒性。使用所提方法处理前后,卷积神经网络的测试识别率由0.9590上升到1,说明了所提方法的有效性。