随着科学技术的发展,人们对于身份认证的安全性要求越来越高。指静脉生物识别技术作为生物识别技术的一种,因其独特的优势近年来逐渐成为生物识别领域研究的热点。但是指静脉识别系统性能提升存在一定瓶颈,比如指静脉提取算法在处理指静脉图像背景噪声、对比度低等问题时候鲁棒性欠佳,导致指静脉识别率难以进一步提升;大多数指静脉系统采用单一的特征信息进行匹配,指静脉图像蕴含的信息利用不足等问题。因此本文针对指静脉生物识别特征提取环节的算法不足和匹配环节的算法不足进行研究,做了如下工作:(1)通过研究指静脉数据库图像发现,数据库中部分图像存在曝光不均衡、图像模糊、指静脉与背景区分度低等“低质量”问题。针对这个问题,本文提出了基于最大曲率的自适应指静脉纹路提取算法。该算法采用将指静脉背景自适应弱化处理和伪静脉点剔除等操作,提高了提取算法的鲁棒性。仿真实验表明,本文方法提升了指静脉纹路提取的准确性,提高了指静脉识别系统的性能。(2)针对采用单一特征的指静脉识别系统性能较低问题,本文在匹配层提出一种基于粒子群计算权重的加权均值多特征融合匹配算法,该方法融合了三种类型特征以及相适应的匹配方法,针对指静脉灰度图像使用LBP(Local binary pattern)提取特征向量进行匹配,针对指静脉纹路特征采用模板匹配方法,针对特征点本文设计了一种基于IHD(Improved Hausdorff Distance)的指静脉方向信息特征匹配方法进行匹配。实验结果表明,本文提出的多特征融合匹配算法能够提升指静脉识别系统的精度。