随着信息化时代的到来和人们虚拟活动空间的不断增大,人们对个体身份识别技术的要求越来越高。在众多的生物识别技术中,手指静脉识别技术因其拥有非接触性、高安全性、活体识别等诸多优势得到了越来越多研究者的青睐。本文从手指静脉识别技术的实际出发,以静脉图像的纹理结构为中心,将多邻域像素的相关性、邻域特征“位”的鲁棒性作为基本点展开深入研究。本文的主要工作包括:1.在手指静脉图像定位中,本文使用了滑动窗口定位手指的方法,主要包括三个步骤:手指倾斜检测及矫正、滑动窗口高度定位和内切线宽度定位。2.基于图像纹理特征的LBP相关特征提取算法大都选择单环形邻域或正方形邻域作为图像的特征提取块,故邻域采样点与中心像素点只存在单层次相关性,但考虑到静脉纹理的生长方向性,指静脉图像在多层次邻域采样点上也应该存在相关性。基于此,本文提出双倍二元模式(Dual Binary Pattern,DBP)的手指静脉识别算法,首先引入双层次的提取块来对ROI图像特征编码,然后利用统计分块直方图计算图像的特征向量,最后使用直方图交叉核匹配图像。3.传统的纹理特征提取算法对二值编码的特征“位”赋予相同的含义,并没有考虑特征“位”与静脉纹理生长方向之间的关系。基于此,本文提出全方位二值模式(Global Direction-local binary pattern,GD-LBP)的手指静脉识别算法,在LBP的基础上对编码算法改进,即首先对正方形邻域采样点在水平和垂直方向、对角方向上分别二值编码,然后整合这两个分方向编码特征得到GD-LBP的静脉特征图像,最后利用统计分块直方图计算图像的特征向量。4.本文所提出的算法在SDUMLA-FV标准数据库和创合数据库上进行了对比实验,以验证所提算法的性能。实验表明:DBP算法充分利用了多邻域像素采样点之间的相关性以及静脉纹理的生长方向特征,增强了图像像素级间的鲁棒性、提高了系统的识别精度以及降低了系统的等误率;GD-LBP算法互补了静脉图像在分方向的特征优势以及增强了图像特征“位”的稳定性,可适用于对实时性要求高的系统。