随着互联网+经济模式的迅速发展,网络化给现代生活带来便利的同时,伴随着日益紧迫的身份识别需求,带来了身份识别技术新的挑战。尤其是在分布式静脉识别系统中,由于采集终端的硬件条件以及各种采集环境的差异,获取的手背静脉图像在质量上存在一些差异,这种差异性问题的存在必然会降低识别的准确性,使得识别系统难以满足时代的发展需求。虽然手背静脉的优良生物特性为其创造了良好的发展机遇,但如何有效地处理这种约束条件较弱的图像对手背静脉识别算法提出了新的挑战,如何无障碍且准确的识别这些弱约束条件下的手背静脉图像显得格外重要。本文以不同设备下采集的跨库手背静脉图像为研究基础,主要创新性工作概括如下:(1)针对图像定量分析得出的主要影响因素,对手背静脉图像利用形态学运算去除手柄和背景噪声的影响、利用手背区域的最大内接圆面积进行大小归一化、利用指关节的位置进行角度归一化以及利用线性函数的方法进行灰度归一化,从而统一图像的质量标准,减小图像的差异性,保证识别的鲁棒性。(2)提出了基于SIFT特征算子的优化方法。对传统SIFT算子尺度参数σ、极值点搜索的邻域结构形态和特征匹配中的阈值参数三个方面进行了优化,增加关键点的提取数量和匹配数量,提高跨库手背静脉图像的识别率,提升识别的鲁棒性。通过以上工作,跨库手背静脉图像的平均识别率从原来的47.83%提升到了89.83%,证明了该工作的有效性。