手指静脉识别技术,作为第二代生物特征识别技术,克服了指纹、掌纹、手形、手背静脉识别等手部特征的诸多缺点,是通过人体手指内部静脉特征进行身份认证,具有更高的识别精度,安全性和方便性能满足实际需求,拥有广阔的市场前景。本文重点研究基于手指静脉识别技术的图像预处理、静脉特征提取与匹配算法,并设计一套完整的手指静脉识别系统。在图像预处理方面,首先对采集到的手指静脉彩色图像进行灰度图像转换和灰度归一化处理,以节省存储空间;然后通过分析比较几种全局阈值分割方法,提出了一种基于列像素方向的最大类间方差法,经过去噪处理后,得到完整的手指区域;接着,采用对比度自适应直方图均衡化和中值滤波相结合的方法进行手指静脉图像的增强处理,以获得更清晰的手指图像;由于非接触的采集方式,静脉图像会有旋转和偏移等差异。本文采用一种基于旋转校正的手指静脉图像感兴趣区域提取方法,然后对感兴趣区域进行尺寸归一化。本文对比完整手指区域与感兴趣区域的识别性能,实验结果表明采用本文的算法提取感兴趣区域具有较好的鲁棒性和更高的识别率。在特征提取方面,本文研究了基于静脉分割的特征提取算法。详细描述了三种手指静脉纹路分割方法:重复线形跟踪方法、方向谷形检测方法和宽线检测方法;重点分析了三种方法中各个参数的变化对手指静脉分割效果的影响,从而找出一组最佳参数能使静脉分割达到最好的效果;然后采用模板匹配的方法分别对这三种特征提取算法进行特征匹配,比较三种方法的识别性能,从运算速度、验证精度和辨识精度等方面对比分析得出基于宽线检测算法比基于重复线形跟踪和方向谷形检测算法的分类效果好。LBP作为一种纹理描述算子,能有效描述图像的纹理特征信息。本文研究了 LBP算子的优点以及存在的问题,由于大多数改进LBP算子对噪声、图像旋转变化的鲁棒性增强,模式种类减小,特征维数降低,而且能完整的表示图像信息。本文采用几种典型的改进LBP算子进行手指静脉特征提取,根据改进算子提取的直方图或者二进制码特征进行卡方距离或者汉明距离匹配,分析其算法的鲁棒性。根据改进LBP算子的特点,分为两类进行对比实验,实验表明,基于卡方距离匹配的加权LBP算子和基于汉明距离匹配的MB-CSLBP算子提取的特征可分性更强,分类识别效果更好。最后本文设计实现了手指静脉识别系统,验证本文采用的各种算法的鲁棒性。实验结果表明,这些算法提取的特征维数低,运算速度快,具有较好的识别率,而且不需要数据训练,具有良好的推广性。