基于手背静脉血管生物特征的身份识别是一门新兴的身份识别技术,具有强大的生命力和广泛的应用前景。但是对该技术的研究还有待完善,所以本文着重研究了该识别方法在图像处理过程中的关键技术。静脉血管身份识别的运算处理过程大致分为三个阶段:静脉图像预处理、静脉特征提取、静脉图像的匹配和识别。本文针对这三个阶段进行了算法研究和实践。将中值滤波作为图像平滑去噪的主要手段。引入归一化技术解决由于环境或个体不同而造成的图像灰度偏差。与此同时,本文提出了基于小波变换的自适应增益图像增强算法,它利用噪声和真实信号在小波变换中具有不同特性的事实,在完成图像增强功能的同时有效地抑制了噪声信号。选择动态二值化算法完成二值化工作。静脉血管图像经过预处理后通常会产生毛刺,因此先进行修复处理,用以删除噪声和起干扰作用的斑块。采用快速细化算法提取静脉血管骨架,并提出了一些修改以便更适应静脉特征的提取。提出了一系列规则和相应的算法用以消除快速细化的副作用。在细化处理之后,以静脉图像端点、交叉点为特征进行提取并探讨了特征编码方案。提取的静脉血管的形态特征作为识别依据进行匹配,将采集到的特征编码后与数据库中的数据进行穷举匹配,同时设置一个阈值作为判别准则。另一方面,在动态二值化过程中,曾经获取图像的灰度直方图,因此将灰度直方图特征作为辅助识别依据。总的来说,本文对基于手背静脉血管生物特征的身份识别的运算处理过程进行了有益的探讨,对后继研究起到了一定的提示作用。