手背静脉身份识别是近十几年来新发展起来的一种生物识别方法,是目前身份认证领域最关注的热点之一。手背静脉拥有很好的唯一性和普遍性,在人与人之间,同一个人的两手之间,静脉的血管网络是不相同的,但个人的血管结构又不随时间变化。由于手背静脉血管位于体表内部,不易受到污染和划伤等外界因素的影响,也不易被仿制。而且手部的静脉在采集过程中相对于身体其它部位血管图片的采集更易被人接受。所有的这些特性使得手背静脉成为了一个合格的生物身份识别特征。面对我国人口众多、人员流动频繁的具体情况,当前十分有必要对大样本条件下手背静脉身份识别的关键问题展开研究。目前,指纹及人脸等传统生物识别系统已经能够在百万甚至千万级规模的样本条件下,满足鲁棒身份识别的要求。相比较指纹、人脸和虹膜识别技术的成功,如何在大样本条件下,实现手背静脉的鲁棒身份识别,开展相关的科学研究工作对深入推动手背静脉身份识别技术的理论研究和应用研究具有重要意义。本文针对大样本时手背静脉身份识别技术面临的问题,从图像分类和图像特征两方面着手,在多模板的分类器设计和适用于近红外静脉结构特征的局部算子方面展开研究,文章的创新性工作概括如下：(1)提出了手背静脉图像的二值化分割算法。利用局部梯度信息的自适应分割的算法,自适应对局部的欠分割和过分割进行补偿,对静脉区域和非静脉区域都有良好的分割效果。(2)提出了SIFT特征误匹配的消除方法。通过匹配时的多对一检测,匹配线的水平斜率检测和垂直斜率检测,使得两个特征点在既拥有相似的描述向量又拥有相似的坐标位置时,才会认为是正确匹配,保证了SIFT特征点匹配的正确率。(3)提出了基于SIFT特征点的多模版识别算法。针对SIFT算法所提取特征包含大量的冗余信息的问题,从特征点的类内类间关系出发,将SIFT特征点重组为并集类、交集类和排他集类。由于各类的组成方式不同,表达了不同的点结合方式,因此具有互补性。实验表明,模板融合后的分类器可以获得接近100%的识别率。针对大样本情况,此方法保证了识别精度,且当增加新样本时,只要通过新样本简单更新分类器即可。(4)提出了MB-CSLBP局部描述算子。MB-CSLBP描述算子结合了MB-LBP和CS-LBP各自的优点,采用大区域取均值算法,使得对图像噪声更加的不敏感。这种算子分别从宏观角度和微观角度对图像进行描述,从而使两种特征信息互补,更好地突出图像的整体特性。