近年来,生物识别技术得到了快速发展,如:指纹识别、虹膜识别等技术在各个方面得到广泛的应用。目前手掌静脉识别技术在生物识别领域占据重要的地位,成为生物识别领域的研究热点之一。静脉图像匹配算法的优劣关系到识别系统的识别速度和识别率,是识别系统的关键,因此本文将手掌静脉匹配算法作为课题研究的重点。目前,关于手掌静脉识别技术的研究文献相对较少,因此本文主要借鉴手背静脉、掌纹、指纹等匹配算法。为了提高算法的识别率,本文在归纳、分析、总结已有算法的基础上对手掌静脉匹配算法进行了深入研究。主要的工作体现在以下几个方面:1.研究了图像校正算法,提出了一种快速的校正算法。因为手掌静脉图像采集设备是非接触式,手掌很容易出现平移、旋转,采集的图像也很难识别,校正算法关键在于确定校正参数,校正参数需要两组对应的匹配点才能计算出来,本文使用端点与交叉点的中心作为两组匹配特征点,相对于以往穷举式搜索匹配点的算法,本文提出的校正算法的时间复杂度大大降低。2.针对基于细节特征的匹配算法对于比较模糊的手掌静脉图像预处理比较困难的问题,本文提出了基于Gabor小波能量与方向特征的手掌静脉识别算法。算法融合能量与方向特征进行匹配,不必再进行分割、细化等预处理。Gabor小波在指纹、掌纹等的图像处理及图像匹配中都有不俗的表现,本文将Gabor变换理论推广到手掌静脉识别中,首先利用Gabor滤波器对图像进行不同尺度不同方向的滤波,分块提取图像的能量与方向特征并分别计算特征向量的差值,最后加权融合两特征值对手掌静脉图像进行识别。为了比较算法的优劣,同样的实验条件下利用特征点法做对比实验,实验证明,该算法具有较高的识别率。3.针对单一匹配算法识别率较低、适用范围相对较窄的问题,提出了多特征融合的手掌静脉匹配算法。算法先校正图像的几何偏差,提高匹配精度,再融合相关系数法、不变矩法和Hausdorff距离法的优点,弥补单一匹配算法的缺点。实验证明,融合的识别参数较高,大大提高了算法识别率,也扩大了算法的适用范围,解决了单一算法适用范围较窄,对特殊情况识别率低的问题。