生物特征识别是指用人体特有的生理特征进行身份认证,常见的具有唯一性和稳定性的生理特征有指纹、人脸、虹膜和静脉等。手指静脉特征位于手指内部,是一种高安全防伪造的活体特征,其图像采集设备成本低、使用方便,因此手指静脉识别逐渐成为生物特征识别的热门方向。目前集成了手指静脉识别的产品有ATM、闸机、门禁等,在生物识别市场已有一定份额,因此手指静脉识别技术是一种具有广阔发展前景和重大研究价值的技术。手指静脉识别大规模应用亟待解决的问题主要是对低质量图像的识别性能不高,低质量图像之间容易认假,其原因有以下两点:一是存在一定比例的手指静脉纹路稀少,所采集图像是模糊的低质量图像,其中的静脉区域可用信息少,识别性能差;二是长期使用的设备采集区域被污染,此时采集的图像是包含固定噪声的低质量图像,当两幅图像均有固定噪声时,认假风险会迅速增加。因此本文围绕手指静脉识别技术,针对以上两个问题进行深入研究,以提升低质量模糊图像识别性能和保证设备长期使用认假风险可控作为本文的研究对象,具体研究内容如下:提出基于多尺度多方向二维高斯模板计算曲率的手指静脉图像特征提取算法。该算法首先计算图像的曲率,然后依据曲率值从一幅图像中提取出三种特征:背景曲率灰度特征、静脉曲率灰度特征和曲率细线特征。相比于传统的方向滤波提取细线特征的算法,本文提取的曲率细线特征识别性能更好,说明计算曲率对图像的增强效果更好。提出基于三种特征阈值融合的手指静脉识别算法。将所提取的三种特征单独识别的阈值进行加权融合,基于融合阈值进行识别算法设计。从理论和实验两个方面验证了所提融合识别算法性能优于三种特征单独识别的性能,且所提取的三种特征中包含了静脉区域和背景区域信息,相比传统的只提取静脉区域特征的算法,尤其对低质量模糊图像有针对性的性能提高,因此融合识别性能也优于传统的只用静脉区域信息识别的算法性能。提出基于相交区域误差最小准则的分布拟合方法,用所提分布拟合方法对三种特征单独识别的阈值数据进行正态拟合,基于拟合参数计算得到的理论最佳权重和实际最佳权重相符合,说明了所提分布拟合方法比常规拟合方法更贴合实际情况,尤其解决了小数据样本情况下的阈值融合识别算法应用受到局限的问题。提出基于静脉随机分布原理的固定噪声检测算法。通过叠加平均使图像中随机分布的静脉区域平滑掉,保留固定噪声部分,并通过检测固定噪声部分的面积来确定当前设备的受污染程度,在认假风险提高时提醒用户进行设备清洁,保证设备的长期可用性,降低认假风险。