本文系统地研究了静脉图像处理理论与技术，提出了一整套手背静脉图像处理算法，并通过大量实验验证了其有效性。具体研究工作如下： 首先，分析了手背静脉识别的研究背景、意义以及国内外的研究现状，通过对静脉识别的诸多优点如活体识别、内部特征、非接触式等的说明，指出本文的研究意义重大，并且可行。同时对论文的研究成果和内容安排进行说明。 其次，针对手背静脉图像的特征，提出采用自适应的静脉图像有效区域定位算法。该算法充分利用手背外侧边界轮廓接近于一条直线的特点进行有效区域定位。实验证明，该算法受外界干扰小，具有自适应性，能快速准确地分割出手背静脉的有效区域。 然后，研究了静脉图像增强的方法，提出采用自适应局部灰度修正的直方图均衡法对手背静脉图像进行增强。该方法解决了全局直方图均衡算法在增大某些感兴趣区域的对比度时却损失了局部细节，以及局域直方图均衡算法引入了过多的图像噪声等问题。实验证明，该算法在做到整体对比度增强的同时，突出了部分细节信息，在处理手背静脉图像时更为有效。 接下来，提出了手背静脉图像分割的处理方案。分析了传统的单阈值与多阈值分割技术通常不能保留足够的静脉图像有效信息且噪声较大等缺点，并针对这些缺点提出采用阈值图像法进行手背静脉图像分割，该算法使用一幅阈值图像与原始图像进行逐点判别，从而进行二值化。通过对上述各算法进行实验对比后，发现阈值图像法能够保证不丢失静脉脉络的有效信息，更好地去除无关噪声。 最后，讨论了静脉图像的细化算法。先给出了几种常见的细化算法的实验结果与分析，如查表细化算法和条件细化算法，发现上述两种算法或者处理速度较慢或者处理结果中有多余毛刺。提出采用改进的数学形态学细化算法进行细化，实验结果显示，该算法结果不仅能准确地逼近二值静脉图像的中轴线，而且优化了计算方法，大幅度提高了运行速度，快捷有效。