随着信息技术的高速发展,生物特征识别技术因为其自身具有较高的可靠性和独特性而逐渐成为当今世界迅速发展的主流。在目前浩瀚的生物特征验证的技术当中,指静脉特征与其他生物特征(例如:人脸、指纹、掌纹、虹膜、步态等)有着独特的优势和广阔的发展空间。目前早已有很多研究工作在指静脉识别认证领域取得了不错的成果,但是在指静脉图像的获取过程中,由于指静脉图像可以是非接触式、无限制地采集得到的,在放置的手指和设备成像光源之间留有较大的空隙,意味着手指可以随意地放置,从而导致成像图像不固定,引起同源的指静脉图像具有很大的差异性,最终影响指静脉验证的性能,这无疑对指静脉图像的识别验证工作造成了巨大的挑战。总而言之,这种非接触地、无限制地成像以及光源与摄像机之间的较大空隙使得手指放置的变化很大,进一步造成了指静脉图像的形变问题。如果指静脉图像形变问题不能够很好地解决,那么会降低同源图像之间的相似度,进而会导致识别的错误拒绝,最终会影响到整个系统的识别性能。因此,对形变的指静脉识别问题进行有效地解决是至关重要的。针对以上指静脉形变情况,本文第二章节具体分析了指静脉图像产生形变的原因,并提供了一种基于形变的指静脉识别框架。具体来说,首先通过预处理分割方法获取静脉血管纹路,然后为每个静脉点提取出静脉PCA-SIFT特征。由于SIFT特征是128高维特征,因此需要对SIFT特征做PCA降维处理,这样节省了程序的运行时间,提升了算法的执行效率。最后将提取得到的静脉PCA-SIFT特征利用双向形变空间金字塔匹配得到最终的匹配得分。此外,由于图像形变方法的鲁棒性不能准确地在现有数据库上进行评估,我们建立了指静脉形变数据库SDUD来模拟实际应用中的各种图像形变。通过在公开的香港理工大学采集的数据库以及自建指静脉数据库上进行试验,试验表明本文提出的DFVR算法的有效性。尽管目前存在于特征阶段和匹配阶段来解决指静脉形变问题的方法,但是在预处理阶段解决指静脉形变问题的研究工作很少,所以正文第三章节提出了一种在预处理阶段解决指静脉形变问题的算法:基于几何形状分析的指静脉形变检测与校正。首先根据测量的数值结果来分析手指几何形状的统计信息,然后基于手指几何形状统计值的变化来检测形变的指静脉图像,最后通过线性转换方法和非线性转换方法相结合来校正形变的手指静脉。在两个已公开的指静脉数据库和一个自建库上的试验结果表明,本文提出的算法可以提升指静脉形变的识别验证性能。