基于手背静脉的身份识别系统近年来受到了研究人员的广泛关注,具有唯一性、普遍性、可靠性和防伪性等特点。在解剖学上,人与人之间的静脉模式各部相同,并且不随时间变化。此外,静脉血管在皮下且周围被组织包围,因此其能够部分被眼睛直接看到。这些手背静脉特殊的性质使其成为更稳定的生物身份识别特征。本文从手背静脉身份识别整个过程出发,从理论依据、采集设备、预处理方法、特征提取、分类器设计等各个角度,介绍了静脉识别的各个部分工作,重点论述了静脉识别多分类器融合的理论依据、融合方法及实验结果。本论文的重点工作介绍如下：(1)本文分析比较静脉采集设备与预处理方面的研究工作,分析了采集设备的成像原理及设备结构,从成像质量角度出发提出了对采集设备部件的参数要求,并建立自己的手背静脉图像库。针对数据库中静脉图像的特点,运用相应的预处理方法,包括基于质心的目标区域提取、基于CLAHE的图像增强和维纳滤波降噪,有效的提高了静脉区域的对比度、降低图像噪声,提高识别精度。(2)本文提取静脉模式的多重特征,充分表达了静脉目标特性描述。本文利用手背静脉中丰富的纹理信息,提取静脉的分块局部二值模式特征,并进行特征优选,只选择部分模式作为目标描述。在二值化静脉图像中,提取尺度不变性局部特征,并只保留静脉区域的特征点。两种特征充分表征手背静脉的有效身份信息。(3)本文针对手背静脉分块局部二值模式特征和尺度不变性局部特征的各自特点,设计各自的分类器。在尺度不变性局部特征方面,本文提出了基于多分类模板融合的分类器,并对特征点匹配算法进行优化,去除了一对多匹配中的错误匹配对。多模板融合方法包含了静脉的有效特征点,去除冗余信息,提高识别精度和运算效率。在分块局部二值模式特征方面,本文根据特征数据空间中存在奇异数据的特点,提出基于多径向基函数融合的多核学习分类方法,对不同类的训练样本集使用不同的基本核组合方法,提高识别率。在二者分类输出的基础上,本文将二者的输出结果赋予不同的权值,实现输出结果决策层融合。