手背静脉识别作为一种全新的生物特征识别技术，与以往的生物特征识别技术(如指纹识别、红膜识别)相比具有很多显著的优点。并且相对于已经成熟应用的指纹识别技术而言，手背静脉识别技术的研究还处于起步阶段。所以研究手背静脉识别技术中的核心算法有着非常重要的实用意义。本论文主要针对该技术中的核心模块：图像预处理算法模块和识别匹配算法模块(即特征提取和比对算法)进行了探索和研究。 在分析静脉图像预处理模块时，首先综合归纳了目前常用的静脉图像预处理流程中的关键算法：二值化算法和细化算法，分析评估了这些常用算法的优缺点。然后提出了一种较全面的图像预处理流程(其中涵盖了许多图像修饰化处理)，实验结果表明，通过这一流程可以得到清晰准确的静脉纹线图像，为后续的识别匹配打下了良好的基础。 在分析识别匹配算法模块时，首先综述了国内外的各种识别匹配算法，分析了他们的性能。然后借鉴了这些算法的思想，提出了一种基于分级识别思想的两级识别匹配算法。该算法克服了目前常用的静脉识别算法(基于血管纹线特征点)的弊端，保证了识别率不受到血管纹线移位或者细化血管纹线特征点的丢失、冗余的影响。实验通过小样本数目的识别比对，结果表明，这种两级识别算法既保证了较高的识别率，也保证了较快的识别速度。这说明这种识别方案是比较可靠的，将其用于个人身份识别是完全可行的，具有良好的应用前景。 最后，对本课题的研究工作进行了总结，并提出了进一步的展望。