生物识别(Biometrics)技术是依靠人类自身所固有的生理或行为特征进行身份验证的一种手段。由于手背静脉生理上具有唯一、稳定和活体的特性以及手背静脉识别技术在实际应用中表现出非侵犯采集、高可靠、高稳定的特点，因此在生物识别领域，手背静脉识别技术研究受到科技人员更多重视，成为研究热点。 手背静脉识别技术是集数学、计算机科学、光学、电子学和生理学等多学科交叉的高新技术，是一个应用性很强的研究课题。本文的工作融合了数字图像处理、模式识别、小波变换等多种理论与方法。 本文的主要工作如下： (1)研究了手背静脉图像采集的原理，设计了手背静脉图像采集装置。 (2)研究了手背静脉识别相关的图像预处理技术，提出了一种新的静脉图像分割方法。 (3)重点研究了各种经典的特征提取和匹配算法：1、基于K-L变换的特征提取和分类；2、基于特征点的特征提取和匹配；3、基于特征矩阵的特征提取和模板匹配。在此基础上提出了一种新的特征提取匹配算法——基于多分辨率滤波的特征提取匹配。该算法利用分水岭算法得到带有血管纹理特征信息的特征点，然后采用多分辨率滤波的方法从大量特征点中提取特征向量，最后利用相关算法对特征向量进行匹配。 (4)最后提出了一种基于决策层的多特征融合的识别方法，对手背静脉进行有效识别。利用这种方法有效提高了静脉识别的成功率。它将K-L变换、特征点、特征矩、多分辨率分析四种方法最后的识别结果进行加权分析，得出最后的匹配结果。