随着信息科学技术的不断发展,人们对于个人信息的保护愈发地重视,所以人们迫切地需要一种可靠且方便的身份识别技术。随着计算能力变强,生物特征识别技术的优势受到广泛关注,第一代的生物特征识别技术如:人脸识别,指纹识别和虹膜识别等在各个领域都有广泛的应用。手指静脉识别技术作为一种新兴的生物特征识别技术,其具有独特的活体性和安全性,使得它具有很高的发展前景和价值。然而目前在手指静脉图像采集过程中存在的诸如图像质量不佳,摆放自由度大等问题使得手指静脉识别的应用受限,是领域内待解决的问题。为此,本文对手指静脉生物特征图像识别问题进行多方面改进以提升手指静脉生物特征图像识别系统的性能。本文主要工作如下:第一,针对存在复杂背景下的手指静脉感兴趣区域提取问题,采用基于语义分割网络的区域提取算法并结合对手指旋转角度的估计和关节位置的估计进行手指静脉图像几何校正,有效地减小因使用者使用姿态不同造成的影响。第二,针对低质量图像对系统影响较大的问题,通过分析手指静脉识别的特征,采用传统图像处理方法进行图像的预处理和纹理增强,并通过阈值操作和形态学处理进行伪纹理去除,基于静脉纹理面积进行图像质量评价。实现了对低质量图像的识别,避免其影响识别系统的性能。第三,针对传统方法特征提取能力不足的问题,本文采取了基于神经网络的静脉特征提取算法,结合手指静脉生物特征识别任务的特点进行神经网络损失函数的选择。同时针对基网络进行了对特征图到特征向量的池化环节、模型轻量化和提升网络特征复用能力的改进。使得网络在性能基本不下降的情况下,参数量为常规网络的2%,速度加快2.5倍。第四,针对识别系统1:N识别过程中随着模板特征向量库数据量增加导致判定时间增加(待判定的特征向量对数据量增加)的问题。对比了最近邻搜索领域的三种算法,选择了基于空间切分的精确搜索算法,并对算法进行改进,达到在高维数据下比线性搜索更快的检索速度。本文对手指静脉生物特征识别系统的重要环节进行了改进,并通过对比实验验证了改进的有效性,最终实现了一个手指静脉生物特征识别系统。