手背静脉近红外图像识别是一种新的非接触式生物认证技术。根据近红外光可以被血液强烈吸收而被其他人体组织散射的特性，采用均匀红外光源进行照明，利用光学传感器摄取包含人体静脉信息的红外图像。对采集的手背静脉图像进行了维纳滤波、归一化、灰度拉伸、锐化等增强处理。将图像二值化后采用四邻域区域生长的方法，去除噪声斑块。通过中值滤波平滑和小范围修复图像，对处理后的静脉图像采用了一种快速细化的细化算法。分析和解决了细化后特征点——交叉点的提取。针对细化后骨架中所引入的另一类噪声——毛刺和静脉图像细化后的特点，提出了一种毛刺修复算法。实验结果表明，经过该算法处理后得到的骨架图像，能够较好的反映静脉纹理特性。在提取的骨架图像的基础上，通过分析各种识别算法的优缺点，改进和提出了一种适用于静脉图像的识别算法。实验结果表明，该算法不仅能够简洁准确的反映出静脉血管的拓扑结构特征，而且不会受到图像平移、旋转、伸缩的影响，具有很好的识别效果。