随着信息技术的高速发展,当今社会对信息安全的要求越来越高,身份识别是保证系统安全的重要手段。生物特征识别技术是一种利用人体固有的生理特征或行为特征来进行身份识别的方法,比传统的身份识别技术更加安全而便捷。在众多的生物特征识别技术中,指纹识别的技术发展相对成熟,但是随着应用的推广,指纹识别显现出了许多的不足之处,比如指纹容易被复制和伪造等。手指静脉识别是一种新型的非接触式的生物特征识别技术,它有效的克服了采集对象局限于表面的缺点,具有广阔的应用前景。在实际的应用中,由于受到采集设备的局限,采集到的手指静脉图片质量不好,导致特征提取困难,从而会影响识别系统的准确性。针对这些问题,本文对手指静脉的特征提取算法进行了深入的研究,提出了高识别率的静脉特征提取算法。本文的主要研究如下:(1)研究了基于小波变换的静脉图像处理。首先在Mallat算法理论的基础上分析了小波变换在图像分解上的应用,然后研究了不同的小波变换对静脉图像处理应当考虑的三个因素,即小波基函数的选择、小波分解层数的确定以及小波分解组图的确定,最后通过实验验证了适合静脉图像的小波基函数、分解层数和分解子图。(2)在小波变换的基础上,分析了小波变换系数权值的选择问题,提出了三种改进算法,一是基于加权小波变换和成分分析的特征融合算法,二是加权基于小波变换和成分分析的决策融合算法,三是加权基于小波变换和核成分分析的特征融合算法。通过理论和实验的分析,得出改进的算法与传统算法相比,大大提高了系统的识别率。