本文围绕手指静脉识别中的关键问题,主要研究了手指静脉的分割算法、特征提取和匹配算法以及在量化层的融合算法。对于手指静脉的分割算法,首先分析了红外手指静脉图像的特征,然后验证了各种传统分割模型在指静脉提取中的效果,并且探讨了利用活动轮廓模型进行指静脉分割的可能性,再选用最大曲率分割模型进行图像分割,实验结果表明,最大曲率法的指静脉提取效果最佳。对于特征的提取和匹配算法,验证了七个不变矩作为手指静脉特征的可靠性,并利用欧式距离和阈值分类准则进行了匹配和识别,实现了指静脉矩特征的提取、匹配和识别。对于量化层融合算法,基于矩特征量化值的双峰模型,采用双期望模型进行矩特征匹配量化值归一化,然后在最小等概错误率准则下分别利用平均加和法、加权平均法的融合策略进行最佳融合,并以等概错误率EER、错误拒绝率FRR和错误接受率FAR三个参数为标准比较了单特征法、平均加和法、加权平均法的识别性能。比较结果表明,加权平均法的识别性能比平均加和法好,并且远好于单特征法。