随着社会的不断进步,网络科技的飞速发展以及人们日益增强的安全意识,传统认证方式在便利性、可靠性和安全性上已经远远满足不了人们的要求。在这种情况下,充分利用人的内在生理特征和外在行为特征的生物特征识别技术已经成为一种强大而有效的替代方法。其中,掌静脉在众多固有的生物特征中脱颖而出,是一种很有前景的身份识别方法。如何实现高精度、高可靠性和高效率的掌静脉识别方法一直都是掌静脉识别技术中复杂而又有意义的课题。本文的主要工作如下:(1)详细介绍了生物特征识别技术,论述了指纹、掌纹和虹膜等常见的生物识别技术,并将这些识别技术和掌静脉识别技术进行对比,通过比较凸显了掌静脉识别技术的优点。对掌静脉的识别过程以及识别方法进行了总结与归纳。深入研究了掌静脉的操作模式、掌静脉ROI区域的降噪方法以及性能评估指标,介绍了常用的掌静脉数据库。(2)提出基于共同纹理的局部方向模式掌静脉特征提取算法。首先,利用最大主曲率算法和k-means方法提取纹理,有效的抑制了噪声,提高了纹理提取的准确性和鲁棒性。其次,根据纹理提取的结果进行共同纹理(MT)图像的合成,共同纹理图像仅由掌静脉纹理及其领域的灰度图像组成,包含了绝大多数对识别有用的信息,而背景信息将被排除在外,减小了干扰性。此外,我们使用最大匹配像素方法来寻找两个待比较纹理的最佳匹配区域,进一步提高了LDP算法的性能。最后,采用LDP算法对MT图像提取出LDP特征,并用改进的卡方距离计算两个MT-LDP图像的匹配度。(3)提出基于欧式距离和余弦距离SIFT的掌静脉特征提取算法。通过对尺度空间和SIFT算法的研究,发现SIFT算法在掌静脉识别过程中存在许多错误匹配点,针对SIFT算法在特征点匹配时出现的大量错误匹配点,我们提出了改进的方案,对于错误匹配点首先使用RANSAC方法进行初步剔除,然后再利用欧式距离和余弦距离进行进一步的提纯。改进后的SIFT算法在掌静脉的多个数据库中都获得了更好的识别结果。