随着信息技术的快速发展以及现代人对于信息安全的高度关注和要求的不断提高,利用个体的生物特征进行身份认证越来越受到人们的重视。生物特征识别技术是通过提取人体自身特有的生物特征(如指纹、虹膜、表情等)和行为方式特征(如笔迹、声纹、走路形态等),结合光学、电学、图像处理和计算机应用等现代信息手段来实现的一种准确而快速的身份识别技术。手背静脉识别是最近几年兴起的一种生物识别技术,它通过特定的采集系统获得个体的手背静脉分布图像,然后采用一定的图像处理方法和特征提取算法取得静脉特征值,最后进行特征的匹配识别,实现身份鉴别。相比传统的身份识别方法(如密码、钥匙、射频卡等)和其他生物识别方式,手背静脉识别技术具有不会遗失、不易伪造、无需记忆,不会受磨损及外部环境(温度和湿度)的影响,活体认证、非接触式等优点,从而成为目前生物识别技术研究的热点。本文将手背静脉特征作为研究对象,从图像采集、预处理、特征提取、特征识别等方面进行了科学的研究与总结,并提出了一种基于Gabor多方向融合的多尺度梯度方向直方图(Multi-scale Histogram of Oriented Gradient,MS-HOG)的手背静脉识别方法,提高了识别的准确率。论文的主要工作包括:1.研究并改进了手背静脉采集系统,使得采集设备更为简单易操作,减少外部环境的影响且通过该设备采集到的图像具有较好的质量。2.提出了一种新的手背静脉特征提取算法,在对图像进行Gabor变换得到多尺度、多方向特征图的基础上,把同一尺度不同方向的图像进行融合,然后利用特定尺度的HOG算子提取对应尺度Gabor融合图的特征,最终得到图像的多尺度级联直方图特征,并进行手背静脉的识别。实验结果验证了该算法的有效性。