随着信息化时代的到来，信息的安全性与保密性引起了人们普遍的高度重视。目前，指纹识别技术相对于虹膜、人脸等识别技术来说，是生物特征识别技术中比较成熟的一种身份确认技术，已经在安检、门禁、考试等很多方面得到了很好的应用。但由于指纹存在于皮肤的表面，促使其有一些不可避免的缺点，如手指过湿、过干或出现手指暴皮等特征损伤时，或者手指有污物等都会影响识别效果。而我们的手指静脉识别技术能完全克服上面的诸多缺点，使得身份认证更加方便快捷。本文就手指静脉识别技术展开讨论，全文共分为5个部分：首先，在文中讨论了手指静脉识别技术的目的和意义。通过手指静脉识别的诸多优点，如活体识别、内部特征、非接触式及安全等级高等，说明我们的研究是非常有意义的，而且是可行的。文中分析概括国内外静脉识别的研究进展，使我们课题研究有了明确的目标。同时这部分还给出了系统的总体框架结构和研究的重点、难点。其次，从分析手指静脉成像的基本原理出发，通过对比不同的光源器件、成像设备及滤光片等辅助设备，选择出了符合实验要求的器件，并制作出了采集装置。经上位机测试，采集到图像的是符合实验要求的。然后，对采集到的图像进行预处理，为后续的提取特征做准备。文中对图像先进行灰度化处理，从而减少了数据的处理量。为了去除手指轮廓及轮廓外的影响，采用迭代阈值的图像阈值化方法来提取手指区域并标记出手指的轮廓。在进行图像分割前，对图像进行了组合滤波的处理，使图像分割出来的血管模型更为精确。分割后的图像含有点块状的噪声，通过计算连通域的面积，来去除小于一定阈值的噪声区域。最后，将手指静脉图像的宽度进行标准化，近而得到有统一尺度的样本图像。在第四部分中，实现了基于模板匹配、基于矩特征、基于小波矩、基于PCA和LDA与小波矩融合的识别方法共四种方案。模板匹配是模式识别中常用的一种方法，文中对静脉图像的模板做平滑处理后再进行匹配识别。实验也验证了平滑后的模板匹配方法有较高的识别率，但识别速度方面稍逊于后几种方法。针对不同手指样本的长度不一定相同，文中给出一种定间隔抽取相同大小的图像子块的方案。后三种识别方法都是在这种抽取的图像子块的基础上提取特征的。文中给出的PCA和LDA与小波矩融合的识别方法，在识别速度和识别率上都取得了很好的效果。最后，对各种方法的实验结果进行分析。在采集的静脉库的基础上，分别验证了基于模板匹配的算法、基于特征矩的算法、基于小波矩的算法及基于小波矩融合PCA和LDA的算法，并对识别结果做了相应的分析。