指静脉是一种稳定安全的生物特征,在生活中有广泛的应用前景。目前指静脉识别技术的应用存在许多挑战,如:一、传统的指静脉特征提取算法基于手工设置的特征参数（静脉模式的几何和拓扑结构,局部二进制码等）,算法的泛化能力不好,基于深度学习的方法在学习特征表示时,没有充分利用样本的类内和类间关系,算法的识别性能存在一定提升空间。二、基于红外传感器采集的指静脉图像容易出现对比度低、曝光过度、模糊等质量问题,因此对指静脉图像进行质量评估是必要的。而指静脉图像质量评估一般以人类视觉感受为基准,没有建立图像质量与计算机识别的联系。针对上述问题,本文做了如下工作:（1）基于深度度量学习的指静脉特征提取。首先,为了保证数据分布一致性并去除图像的背景噪声,基于Sobel算子提取指图像的感兴趣区域;其次,为了能够充分表达指静脉的深层特征,基于Res Net网络结构和注意力机制构建了指静脉特征提取网络（FV-FE-Net）;然后,为了学习更有判别性的特征,提出了联合损失,利用欧氏空间和余弦空间的联合约束来挖掘样本特征的类内与类间关系,并从特征的更新方向提出了改进。该方法在指静脉数据集FV-USM、HKPU-FV、SDUMLA-HMT、MMCBNU＿6000、THU-FVFDT3和FV＿1030上进行实验,分别取得了1.53%、1.06%、0.86%、0.78%、1.37%和1.83%的等误率,并和现有的方法进行对比,结果表明该方法提取的特征对于指静脉识别有更好的性能提升。（2）基于度量学习的指静脉图像质量评估。首先,为了避免人类主观因素对图像质量分数的干扰,用平均相似度将图像质量与计算机的识别结果建立联系。其次,为了解决低质量图像数量少的问题,提出了失真算法合成低质量图像。然后,为了充分利用样本之间的相对关系,提出学习对比关系的孪生网络。在FV-USM、SDUMLA-HMT和MMCBNU＿6000上进行实验,高质量图像上的等误率要比原始数据集降低大约0.2%,结果表明提出的算法能有效提升指静脉识别性能。（3）指静脉身份认证系统。针对手指类别不断增加的需求和终端设备性能不足的问题,基于本文提出的特征提取和质量评估方法,设计并实现了指静脉身份认证系统。该系统集成了图像质量评估、特征提取、1:1验证和1:N识别的功能。