静脉识别是一种红外生物识别技术,它不但识别率和安全性较高、采集过程友好,而且使用和实现更加容易。此外,静脉血管位于体表内部,具有很强普遍性和唯一性,同时图像采过程是非接触式,不会遗留下个人信息。凭借这些优势,静脉识别已经从人脸、耳廓、视网膜、虹膜、语音、手型、掌纹、指纹、签名、步态等众多生物特征识别技术中脱颖而出,吸引了众多研究人员来研究和完善这项技术。手的静脉识别目前刚取得初步的成果,其使用便捷舒适的优点、安全可靠、防伪造性高等特点已经充分展现出来。不过,静脉识别和其他生物识别一样,在商业系统实现方面仍存在着一些问题。比如整个识别完成的时间仍较长、算法的识别率距现实应用的要求仍有距离、静脉图像采集环境复杂影响识别率等。针对以上的问题,本文主要做了以下工作：(1)静脉采集系统的设计制作及手背静脉数据库的建立基于嵌入式系统TMS320DM642和CCD相机研制了一套人体手背静脉图像采集装置。采集得到的图像由DSP利用灰度形态学方法进行预处理,进一步改善了图像质量。然后,通过以太网传于上位机,用Matlab编写一个采集界面,存储图像再作进一步的处理。另一套系统是利用夜视摄像头构建的一套静脉采集系统。实验结果显示,这两套系统不仅可获取高质量的手背静脉图像,而且为手背静脉识别研究提供了嵌入式开发平台。最终,制作了一个包含400幅手背静脉的数据库。(2)提出了均衡离散曲率波变换的手背静脉识别该算法在进行手背静脉图像感兴趣区域提取和预处理的前提下,引用了均衡离散曲率波变换对感兴趣区域进行Curvelet变换,然后对变换系数进行相位编码,计算编码统计直方图的卡方距离来进行静脉识别。实验表明该方法在低质量的手背静脉图像情况下依然能得到较好的识别效果和较快的识别速度。(3)提出了基于UDCT和三角形测量特征融合的手背静脉识别该算法首先对手背静脉图像感兴趣区域进行预处理,然后采用均衡离散曲率波变换对感兴趣区域进行变换,接着对变换系数进行相位编码,并计算编码统计直方图的卡方距离L1,当此距离与阈值相差不大时,我们对预处理后的图像提取静脉骨架,确定相关的特征点,通过三角测量法来计算匹配距离L2：,对L1和L2采用加权平均法来获得最终的识别结果L。该方法在识别时间没有明显增加的情况下,而识别的效果却得到了提高。(4)提出了基于UDCT和Log-Gabor特征融合的手掌静脉识别该算法对手掌静脉图像R0I区域进行特殊的预处理,同样在UDCT和Log-Gabor变换后对变换系数进行相位编码,然后对两个编码进行融合,接着对融合后的矩阵进行直方图统计并计算卡方距离得到识别结果,并给出了该方法实验结果。