随着移动互联网和智能技术的发展,人们对信息安全技术的要求也越来越高,也希望有比较可靠的生物识别技术能够用来进行身份认证。目前,指纹识别技术相对来说已经比较成熟,且在各种中小型智能设备中得到广泛应用。但是指纹识别技术具有一个致命的弱点,即指纹易被伪造,具有被复制的可能性。而手指静脉识别技术,作为一种新兴的、高安全性的生物识别技术,它是利用手指静脉特征信息进行身份认证,手指静脉属于体内特征,较难被伪造,具有很高的安全性,并且理论上也是可以实现手指静脉识别系统的小型化,应用于未来的小型智能设备中。因此,本论文从手指静脉图像采集、手指静脉图像拼接、手指静脉特征提取和匹配等几个方面进行了研究,主要工作如下:针对小型化手指静脉图像采集模块所存在的无法获得完整手指静脉信息的问题,本论文通过图像拼接技术来解决,一方面可以实现手指静脉图像采集设备小型化,另一方面保证了具有足够的手指静脉信息来提高识别精度及可靠性,提出了基于Retinex图像增强的可控手指静脉图像拼接算法,来实现两幅同源手指静脉图像的拼接。手指静脉图像拼接技术为静脉图像采集设备小型化提供了技术支撑。为了得到手指静脉纹路细节点,作为后续匹配的特征点,需要对手指静脉图像进行图像分割、静脉纹路细化。在对基于方向滤波的手指静脉纹路提取方法进行研究之后,又利用了 Hessian矩阵特征值与图像线状结构的对应关系,提出了基于Hessian矩阵手指静脉图像分割算法,通过比较这两种方法的手指静脉图像分割结果,可以发现后者可以较好地提取宽度不一的手指静脉纹路。在硬件设计方面,自研制了手指静脉图像采集模块,用于手指静脉图像拼接和手指静脉识别这两个阶段的图像采集;在软件设计方面,利用Matlab编写人机用户界面程序,由此来控制手指静脉图像采集及其图像拼接、图像识别、图像处理等手指静脉识别过程。为了实现手指静脉特征提取与识别,本论文对手指静脉图像与已拼接好的手指静脉图像的匹配展开了研究,分别采用了基于Hausdorff距离的特征点匹配的方法和基于SIFT特征点匹配的方法将自建的手指静脉图像特征库和手指静脉图像验证库的样本进行了同源匹配和异源匹配验证,对这两种方法的匹配结果比较之后可以发现,后者识别精度更高,且对静脉图像平移、旋转适应能力更强。