在现代社会人们的安全意识日益强烈的时代背景下,生物特征识别技术以其优越的可靠性和便利度,为人们的身份认证问题提供了高效且安全的解决方案。手指静脉识别作为一种新兴的生物识别技术,以其高安全性、高稳定性、高用户亲和度等优势,在研究与应用领域都得到了大量关注。然而,在实际的指静脉识别系统中仍存在一些亟待解决的问题。首先,指静脉识别中,手工特征提取算法在应对用户手指的旋转偏移、环境亮度变化问题时鲁棒性不强;其次,深度神经网络在指静脉识别任务中仍然存在提升空间。针对上述问题,本文首先建立了一个囊括多种实际静脉图像变化的大型的指静脉数据集;其次本文将基于深度度量学习的方法引入指静脉认证的特征提取阶段,使用网络获取静脉图像中具有强泛化性与鲁棒性的区分性特征;另外,本文设计了一种高效的注意力模块以增强深度网络的静脉特征提取能力;最后,为解决多光照条件下成像模式变化问题,本文提出了一种灰度矫正网络。具体内容如下:第一,本文建立了一个大型的指静脉数据库SCUT LFMB,旨在解决公开数据集中手指静脉图像多样性较低的问题,库中数据采用两种硬件设备采集,静脉图像中包括了多级的光照条件、较大范围的手指旋转姿态等,能够对实际认证场景中的部分问题做出真实的模拟。第二,针对传统图像算法在特征提取方面能力不足的问题,在静脉图像特征提取阶段本文建立了基于多描述子聚合的静脉提取网络。参考度量学习领域相关研究,该网络使用了一种高效的方式将多种全局描述子完成聚合,使用单个主干网络即可完成多模式的特征组合,可以在端到端的模式下一次性完成训练,而不需要进行额外的特征多样性控制手段。在损失设计方面结合度量损失与辅助分类损失,能够使模型获取具有强泛化性与区分性的特征。第三,为进一步提升主干网络在静脉特征提取的能力,本文提出一种兼具高效性与轻巧性的联合注意力模块。该模块避免了使用全局最大池化或全局平均池化对特征图进行压缩时的信息丢失问题,使用了垂直与水平两个方向上的池化核,在信息压缩阶段保留了更为准确的位置信息。此外还加入了通道置换操作进一步加强了特征图间的信息交互。该联合注意力提供的变换过程仅增加微量的参数负担,方便集成至多种常用的模型结构中。第四,针对实际测试环境中静脉图像光照条件变化的问题,本文在图像去雾假设基础上,设计了一种基于U型结构的灰度矫正网络。该网络可以对在不同光照条件下成像的输入静脉图像进行自适应的参数估计,并且端到端地直接输出矫正图像,从而实现对输入静脉图像灰度分布有效调整。实验证明该网络的生成图像具有较好的成像质量并且能在认证过程中提高系统的鲁棒性。本文在多个公开数据库与大型自建数据库上完成了多组对比实验。首先,认证任务中的定性实验结果验证了本文所提出的描述子聚合网络与联合注意力机制的有效性,并且在SDUMLA-HMT、MMCBNU＿6000与FV＿USM三个静脉数据库上分别取得了0.314%,0.067%,0.113%的等误率指标,均优于现有方法。其次,图像生成质量和识别性能分析实验证明了灰度矫正网络在识别任务中的积极作用。