随着个人信息安全问题越来越被人们重视,基于生物特征的身份识别技术,如指纹识别,人脸识别,虹膜识别等也得到了越来越多的关注。近年来,一种较为新式的生物特征识别技术-指静脉识别,以其独特的优势逐渐成为了该领域的研究热点。相比于传统的生物特征识别技术,指静脉识别技术有以下几点独特的优势:(1)更易于使用:采集设备简单、非接触式认证;(2)活体识别:只有血液流动的静脉才能被认证识别;(3)防伪造:静脉血管隐藏在人体内,难以被窃取和伪造;(4)准确可靠:指静脉图像具有唯一性和稳定性,不受疾病、气候环境和手指表面状况的影响。因此,指静脉识别技术逐步成为生物识别领域的热点话题。指静脉识别技术包括四个步骤:(1)指静脉图像的采集;(2)图像的预处理;(3)特征提取;(4)匹配与识别。其中,特征提取的好坏会对识别效果造成很大的影响,所以,在指静脉识别领域的研究也多集中于特征提取的方法。本文主要研究指静脉图像特征提取的方法,提出了更适用于指静脉识别的基于局部描述子的特征提取方法,此外,将深度学习的方法应用于指静脉图像的特征提取,设计了一种用于指静脉图像特征提取的网络。论文的主要工作概括如下:(1)基于双方向线特征韦伯局部描述子的指静脉识别。结合指静脉图像的特点,对韦伯局部描述子进行改进,提出了一种双方向线特征韦伯局部描述子(Double Line feature Weber Local Descriptor.,DLWLD),以提高其对指静脉图像特征提取的表现。首先,在计算局部区域的灰度差分时,考虑不同邻域像素点对中心像素点的影响,构建新的差分激励图;然后,采用改进的有限Radon变换(Modified Finite Radon Transform,MFRAT)提取双方向线特征;最后,将改进的差分激励特征分别与两个方向的线特征联合得到两个特征向量,进而采用交叉匹配算法进行识别以更好地评估样本间的相似度。将所提出的局部描述子应用在指静脉图像识别中,在多个公开指静脉数据库中进行对比实验,在欧氏距离下进行交叉匹配,实验结果表明,与一些流行的局部描述子和现有改进的WLD方法相比,该方法在指静脉识别上具有更好的识别效果。(2)基于卷积神经网络的指静脉识别。设计一种用于指静脉图像特征提取的卷积神经网络结构,实现端对端的学习方法,使得网络能够从训练样本中自动学习指静脉的特征表示,增加特征的判别性。该方法设计了一种采用Inception-resnet模块堆叠的主体网络(简称为FingerveinNet)以更好地学习指静脉图像的特征描述,采用中心损失(center-loss)作为损失函数使得网络提取的特征更具判别性。得益于卷积神经网络的特性,该方法对图像的旋转和平移等变化较为鲁棒,能够很好地解决指静脉识别中存在的样本旋转和平移问题。实验结果表明,相较于传统的指静脉识别方法,该方法具有较为明显的优势。