随着人们对个人身份信息安全越来越重视,个人身份鉴别在日常生活中扮演着重要的角色,人们寻求一种更加方便,安全快捷的身份识别方法——生物特征识别。当前,市场上运用生物特征识别技术的场景越来越多,例如无人餐厅人脸识别结账,小区大门指纹闸机,手机虹膜解锁,ATM机指静脉存取款等。其中利用人体手指内静脉血管作为生物特征的手指静脉识别技术具有识别速度快,精度高,活体检测,特征不易被复制等优势。有效地解决了传统生物特征识别技术所面临的安全性低,易用性差等诸多难题。在现有手指静脉识别系统中,模糊图像的识别性能较差的问题难以避免。产生模糊图像的原因主要有两大类:外界因素:如光照,温度,曝光均匀度等,造成成像时图像质量较差,静脉结构不清晰等问题;放置因素:如用户使用习惯,放置姿态等,造成图像偏移较大或虚焦等问题。模糊静脉图像存在对比度差,有效静脉信息较少等问题,从而导致特征提取不准确,匹配识别性能较差。因此解决模糊图像的相关问题成为了国内外科研人员所关注的焦点问题。本文的研究工作主要分为以下几个部分:(1)介绍了现有的两大类指静脉识别技术:基于特征点(点集)的匹配方法和基于图像配准的灰度纹理匹配方法,其中着重介绍了基于细线距离的MHD识别方法、LBP分块直方图识别方法和多方向LLBP识别方法的识别原理和主要流程。并针对模糊图像的特性,分别分析三种算法各自的不足之处。(2)提出了一种基于图像金字塔模型的指静脉动态识别方法。首先,利用图像金字塔模型的模糊度检测函数对图像按模糊度分类后,提出一种采用动态参数Ni Black分割和动态阈值识别的方法。相比于基于细线距离的MHD识别方法,本方法首先根据图像模糊程度,进行动态参数Ni Black分割,有效解决了单一分割阈值对模糊图像特征提取时造成的伪静脉较多,特征提取不准确的问题。进一步通过设置动态识别阈值,避免部分清晰比对的识别性能损失,从而使整体系统的识别性能有了较大的提升。(3)提出了一种基于top-k分块的加权近邻二值模式方法,该方法针对模糊程度较大的图像识别过程进行改进。相比于LBP分块直方图识别方法和多方向LLBP识别方法,本方法通过提取图像水平和竖直方向上的灰度纹理特征,利用了手指静脉结构的走向以竖直为主,水平方向延伸较少的分布特点,通过加权计算得到统计量,有效解决了传统LBP方法纹理特征提取不准确的问题。进一步通过top-k分块的选取,能有效地排除不必要的干扰部分,解决了LBP方法和多方向LLBP方法在全图特征比对时引入噪声的误差问题,从而使得匹配识别的准确度进一步提升。(4)最后,将本文提出的基于图像金字塔模型的指静脉动态识别方法和基于top-k分块的加权近邻二值模式方法融合为一个识别系统,通过对比基于细线距离的MHD识别方法和单一的基于图像金字塔模型的动态识别方法,经实验验证后,证明融合后的识别系统针对存在模糊图像的指静脉识别系统具有更好的识别性能,且更具有实际推广价值。