手指静脉识别作为生物识别中的一种新兴识别技术,具有安全性高,保密性强等特点,具备良好的发展前景以及应用市场。但由于手指静脉图像中的特征信息复杂度较高,采集过程中容易受到光照,力度等因素的干扰,无法直接进行识别工作。在此背景下,本文针对在手指静脉识别过程中的手指静脉图像分割,手指静脉图像细化以及特征提取等环节做了重点研究,其主要工作有以下方面。(1)手指静脉图像预处理。对手指静脉图像的采集原理作了简单阐述,说明了影响图像质量的关键因素。对采集的手指静脉图像作灰度归一化,增强等处理,进一步在图像中突出了手指静脉结构特征信息,初步满足了对后续分割工作的标准要求,为后续工作提供了良好的基础。(2)基于改进的Niblack算法的手指静脉图像分割方法。手指静脉信息较为复杂,存在大量的分叉结构,这些特点使分割算法难以达到理想效果。针对此问题,着重分析了Niblack算法的优缺点,而且根据手指静脉的分布特点和细节信息提出了基于改进Niblack算法的手指静脉图像分割方法,采取修正系数k的自动适应选取方式提高阈值的准确率,计算分析全局手指静脉图像灰度的变化信息,并且结合各个局部像素点之间的相关联信息,通过计算r×r模板内的期望值和标准差,实现计算修正系数k的值和图像分割过程,在保留手指静脉信息的同时,减少多余背景信息,抑制噪声干扰。(3)基于改进的Hilditch算法的手指静脉图像细化算法。针对Hilditch细化算法无法删除孤立点的和细化结果不彻底的原因进行研究,在经典Hilditch细化算法的原理基础上,将删除像素点的考虑范围由其八邻域扩大到包括当前像素点的八邻域以及八邻域邻接像素点的共计25个像素区域,并根据区域中的像素点分布情况以及静脉信息分布特点重新提出判决约束条件,依据新的约束条件进行细化工作。(4)基于手指静骨架形状的特征提取以及匹配方法。每一个手指静脉骨架的像素数不相同,并不可能将其十分准确而且毫无误差进行一一对应。将手指静脉骨架上的每一个像素点邻域内各个像素点的分布情况定义为手指静脉的骨架特征,对两个手指静脉骨架之间的相似性进行定义计算,将两个手指静脉骨架之间的距离作为其之间的差异性,通过取反求得两个骨架之间的相似性,利用该值作为匹配依据。(5)基于方向检测的手指静脉特征提取方法。传统方法主要根据图像特征空间中高维数据进行特征提取,但忽略了对像素点文线的确定,导致出现特征提取准确率低的问题,提出了基于方向检测的手指静脉特征提取方法。根据手指静脉图像的原始信号和离散信号,对图像进行小波变换,并利用小波函数的低通,高通滤波器将小波变换的图像进行重构,分层计算图像的信号、量化图像阈值。并且利用图像的灰度值和方向数计算图像的方向图,确定图像像素点的纹线,利用检测点计算图像方向图的特征点,实现手指静脉图像的特征提取。基于改进的Niblack算法的手指静脉图像分割方法,基于改进的Hilditch算法的手指静脉图像细化算法以及基于方向检测的手指静脉特征提取方法在MATLAB的开发环境下进行实验,与现有算法进行分析对比。结果表明,基于改进的Niblack算法的手指静脉图像分割方法较好的初步实现了手指静脉图像的分割,并且0.6s左右的运行时间满足快速稳定性的要求。基于改进的Hilditch算法的手指静脉图像细化算法对图像中像素的冗余进行了良好的处理,分叉数量较少,基本能与与原图结构保持较好的一致性,0.18s左右的运行时间完全满足实用性。基于方向检测的手指静脉特征提取方法能够有效的完成对图像的特征提取,并且准确率始终保持在50%-90%之间。