在公共安全领域,原有身份认证方式逐渐显露其弊端,公认的比较可靠和安全的的生物特征识别技术随之出现,其中的静脉识别由于其具有活体识别、内部特征、非接触式采集、且在特定条件下获得图像等优点,被认为是一种保密性更好、更便捷、可靠性更高的生物特征识别技术。近年来,国内外学者在静脉识别领域已经取得了一些成果,但仍有许多关键技术等待解决。通过查阅了大量的国内外文献,对已有的静脉识别相关算法进行了总结,针对静脉识别过程中的关键问题进行深入讨论与研究,并提出了新的思路与算法。本文的创新主要体现在以下几个方面：首先,针对采集到的近红外静脉图像普遍存在清晰度较差、质量不高的缺点,提出了一种基于质量评价的近红外静脉图像采集算法,该算法对实时采集的静脉图像进行客观质量评价,并通过评价结果对近红外光源强度进行调整,从而获得质量较好的静脉图像。其次,针对手背表皮厚度不均匀的特点,提出了一种基于感兴趣区域函数优化的静脉信息分割算法,该算法首先确定图像中包含静脉信息的区域,并对每一区域进行凸函数优化分割出静脉信息,进而融合所有感兴趣区域的分割结果获得图像中完整的静脉信息。再次,从不同角度分别对静脉图像进行分析,提出了四种基于不同静脉特征的识别算法。其中包括：1)针对静脉曲线间形状不变的特点,提出了一种基于静脉间区域形状的识别算法,该算法将区域边缘逼近线段的角度序列作为区域特征,并融合图像中所有区域特征对身份进行识别；2)针对小波描述曲线信息的局限性,提出了一种基于分块脊波变换的识别算法,该算法融合了静脉图像中所有局部脉络曲线的方向特征信息,对身份进行识别；3)为提高算法对于采集图像时多种不合作因素的鲁棒性,提出了一种基于灰度特征稀疏表示的识别算法,该算法直接针对灰度静脉图像的全局与局部特征进行分析,并通过判断静脉数据库中样本是否可以对未知静脉图像进行稀疏表示,进而对身份进行判断；4)针对单一光强下采集有可能丢失静脉特征的缺陷,提出了一种基于Contourlet子带能量多HMM融合的识别算法,该算法将每一静脉对象看作一个模型,将Contourlet子带能量作为特征观测值,通过考察模型产生特征观测值的概率来识别人的身份。而后,考虑到提出的识别算法都是从某一角度对静脉图像进行特征分析的,采用了一种基于贝叶斯最小风险的多识别算法融合策略,最终进行身份验证。实验表明,对于样本数量较多,并且在采集图像时加入多种不合作因素的静脉数据库,经过融合多种不同识别算法后,可以保证较高的正确识别率,同时具有较低的错误接受率与错误拒绝率,识别算法具有良好的鲁棒性。最后,总结了取得的创新性成果,展望未来需要进一步研究的工作。