传统的静脉识别技术一般局限于手部(手指、手背、手掌),本文研究一种新的生物特征识别技术——手臂静脉识别。相比于手部,手臂部位面积大、静脉纹理多、特征信息丰富,将具有更好的应用前景。本文分析了近年关于静脉识别的研究现状,研究一种关于手臂静脉的特征检测及匹配算法,主要工作如下:首先,提取了近红外手臂图像中的单像素静脉线及轮廓线,并对静脉线进行了毛刺修剪,得到了较为光滑的静脉骨架结构;接着,研究了基于手臂轮廓线上点集坐标的方向标准化及尺度标准化方法;最后分析了手臂静脉线的特点,对静脉线进行曲线段分割,分割过程中检测了静脉线的分叉部位,将三条相交的曲线进行了分割,并根据曲线的链码表达来检测曲线的拐点,将具有剧烈拐角点的曲线进行分割。然后,针对每一条静脉曲线段,利用曲线的链码表示计算了其最接近的方向作为方向特征,通过实验验证了选择不同的起始点对方向的影响及方向特征的准确性;根据静脉线的方向及尺度标准化结果研究了曲线的位置特征,并证明了位置特征的可分性;提取了每条曲线段最小矩形区域的Hu不变矩作为其形状特征,并分析验证了Hu不变矩特征在旋转和缩放情况下的不变性及特征的可分性。最后,研究了一种匹配曲线对的计算方法,搜索出进行匹配的两幅静脉图像中的相同结构,并以匹配曲线对上所有点的坐标作为特征空间,选择改进的Hausdorff距离作为相似性度量,利用PSO算法迭代计算匹配曲线间的最优空间变换,并进一步根据全局静脉点集变换后的空间重叠比率来计算匹配度。通过实验验证了本文算法具有较好识别率,并证明了手臂静脉可作为一种新的生物特征进行身份识别。