随着现代社会对信息安全要求的不断提高,利用生物特征进行快速而准确的身份识别越来越受到人们的重视。静脉识别技术是一种新兴的非接触式红外生物特征识别技术,它不但识别率高而且安全性高、使用方便、实现容易,正逐步成为研究的热点。为此,本文从静脉纹路的分割与平滑细化、静脉骨架的特征提取、静脉分类等三个方面对静脉识别技术展开了研究,所做的工作主要包括以下几部分:(1)综述了静脉识别技术的研究现状。简述了静脉识别技术的基本原理和特点,然后以静脉识别的处理流程为线索介绍了国内外学者提出的一些主要算法,对其优缺点进行了评述,并展望了静脉识别技术的研究和发展方向。(2)概述了数学形态学数字图像处理方法、图像的矩特征和支持向量机等理论基础,重点对开操作、闭操作、几何不变矩以及支持向量机进行了介绍,为后续内容提供铺垫。(3)提出用高斯低通滤波器、行中值滤波器、列中值滤波器相结合的方式消除原始图中的噪声,接着用修正的NiBlack算法分割出静脉纹路,然后用开操作和闭操作平滑分割出的静脉纹路,并详细探讨了分割过程中参数的选择对分割效果的影响。提出一种具体的基于毛刺长度、端点和交叉点的毛刺修剪算法,快速有效地去除了静脉骨架中的毛刺。(4)Hu提出的7个几何不变矩对于平移、比例缩放和旋转具有不变性,本文对它们进行修正和标准化,将其用作特征向量来描述静脉骨架,作为分类器的输入向量。(5)提出采用支持向量机进行静脉分类,使用软件工具LIBSVM中基于一对一方式、核函数为径向基函数的C-SVC多分类器在有500个样本的静脉图库上进行分类实验,取得了较高的识别率。