随着信息技术尤其是互联网技术的高速发展,个人信息安全越来越受到人们的重视,而基于手掌静脉的身份识别方式相对于传统的个人身份认证方法更加可靠,是当前信息技术中的一个研究热点。论文在分析了手掌静脉图像的预处理和识别的理论后,根据采集到的手掌静脉图像,设计了手掌静脉图像预处理算法和识别算法,最后还将预处理算法移植在FPGA(Field Programmable Gate Array)芯片上,本论文主要的成果和工作如下:(1)图像预处理算法设计:对手掌静脉图像进行有效区域提取,归一化处理,平滑处理和图像增强等四部分工作。首先,对原始手掌静脉图进行全局阈值二值化,然后对图像进行旋转并提取手掌有效区域,接着对有效区域进行滤波和大小归一化,对图像采用各向异性扩散进行平滑处理,对平滑处理后的图像用对数灰度变换法进行图像增强。(2)图像特征提取与识别算法设计:采用基于特征点模式匹配算法,根据局部特征向量和欧式距离进行特征匹配。在注册模式下,在每个手掌的15幅图像中,随机选取其中5幅图作为训练样本,剩余图像作为测试样本,通过训练得到匹配模板。在识别模式下,将每一张测试静脉图像与数据库中的匹配模板进行匹配,得到正确识别率。(3)将图像预处理算法及相关软件移植到掌静脉采集平台上,包括Linux操作系统移植和Opencv库移植。将预处理后的图像通过串口传输到PC端,最后在PC端上位机实现最终的识别。(4)最后,对全文内容进行总结,并对算法运行时间和算法移植程度等方向提出改进和展望。