手部静脉识别技术是生物特征识别技术领域的研究热点,主要包括：手背静脉识别技术、手掌静脉识别技术、手指静脉识别技术,而手指静脉识别技术是近几年来静脉识别技术的研究热点。本文研究了基于近红外透射成像原理的手指静脉图像采集和身份识别方法,主要包含：近红外手指静脉图像采集装置的设计、基于引导图像滤波的手指静脉图像细节增强算法、骨架细化算法、特征提取方法、分类器设计以及MATLAB仿真实现,具体如下：近红外手指静脉图像采集装置的设计。近红外手指静脉采集装置设计的关键是光源的选择、手指离光源距离的估计、近红外摄像机的选择及如何避免环境光线干扰等。本文经过大量的实验,选择了850nm波长、散射角度是60°、额定功率是0.1w的近红外LED发射管3枚作为近红外光光源,选择了CMOS近红外摄像机,制作了一个尺寸是10cm* 10cm* 18cm大小的手指静脉图像采集装置。并在装置中安装一个带有手指凹槽的能够固定手指位置的挡板,获得了较为稳定的手指静脉图像。基于引导图像滤波的手指静脉细节增强算法的研究。引导图像滤波器具有很好的边缘保持能力,可是对手指静脉图像进行直接滤波得到的增强效果并不明显。本文首先对低对比度原始手指静脉图像进行自引导滤波,然后构建手指静脉图像细节增强模型,得到第一次手指静脉细节增强图像；进一步,把此图像作为下一次引导图像滤波的输入图像和引导图像,并再次利用手指静脉图像细节增强模型,获得了手指静脉增强图像,在增强静脉结构的同时,平滑了皮肤区域,有利于手指静脉图像的分割和细化等后续处理。手指静脉图像骨架细化算法研究。为了解决现有细化算法中的诸多缺陷,如分叉、冗余、细化后和原结构不一致等问题,本文提出了一种改进的EPTA并行细化算法IEPTA),首先增加了ZS(ZHANG and SUEN)算法的两个映像子过程,用四个对称的子迭代过程实现了更加接近中心线的细化效果；然后,为了避免斜线二像素宽度细化畸变问题,在A(P)=2时增加判决条件,并设计12个消除模板,得到了稳定的骨架细化图像。实验表明IEPTA算法能够获得单像素宽度的完全细化骨架结构,且和原图保持很好的结构一致性。基于手指静脉几何结构特征的提取方法。常用的以手指静脉骨架的端点和分叉点及其相对位置作为特征的方法,其特征维数一般不固定且识别率较低。本文提出一种基于多像素宽度骨架结构的特征提取方法,采用天津市智能信号与图像处理重点实验室公布的手指静脉数据库(64个样本个体,每个个体15个样本)并依据相似系数设计分类器,在该特征提取方法下识别率高达99.06%,识别平均时间为0.8秒左右,满足实际应用要求。