近年来,由于手指静脉特征具有不易丢失、不易伪造的独特优势,其在人体身份鉴别方面获得了广泛的应用。在手指静脉图像采集以及静脉网络提取过程中,手指静脉图像和静脉网络的完整性不是很理想,影响识别精度。本文所做的指静脉残缺信息复原工作包括两个方面,一方面是实际采集手指静脉图像过程中要面临的手指受污染情况下信息复原;另一方面,由于静脉成像的客观原因,在提取静脉网络过程中针对手指静脉图像预处理时血管网络缺损区域修复。本文研究了受污染的指静脉图像以及血管网络缺损问题,旨在建立深度学习框架下的手指静脉图像复原模型。论文的主要研究内容如下:1)针对受污染的手指静脉图像,建立了手指静脉图像受污染区域复原网络模型。采用了两种污染区域检测方法,分别为基于滑窗检测和基于自适应阈值检测,并对比分析了两种检测方法的优势;构建了轻量级的编码器-解码器网络模型以及U-Net网络模型,设计了指静脉图像受污染区域修复机制。2)针对指静脉血管网络缺损现象,建立了指静脉血管网络修复网络模型。采用了两种指静脉血管网络缺损区域检测方法,分别为基于KMeans聚类检测和基于自适应阈值检测;构建了轻量级编码器-解码器网络模型以修复缺损的指静脉血管网络。3)本文进行了一系列实验来验证所提出复原方法的有效性。实验结果表明,所提出基于深度学习的指静脉残缺信息复原方法能够有效改善手指静脉图像以及静脉网络的完整性,并且提升了识别精度。