在互联网+经济模式飞速发展和应用的时代,跨时间、跨设备、跨地域等弱约束条件下的身份验证是生物特征识别技术的必然需求和趋势。弱约束条件下采集的手背静脉图像在亮度、角度、平移等方面存在一定的差异,这些差异会致识别率下降。因此,如何在弱约束条件下提高手背静脉身份识别的鲁棒性,需要不断的研究和验证。本文的主要工作和创新性如下:(1)研究并分析了不同图像类型(灰度图、二值图)的数据特点,并根据图像的编码原理将保留手背静脉纹理信息的灰度图分成8个位面图。以多角度旋转积分图为核心,分别对不同的图像类型进行实验,并确定最佳的实验组合。实验得出第三位面图与多角度旋转积分的组合可以使单设备的手背静脉识别率达到90.4%。(2)针对图像在采集时存在的角度和尺度变换问题,提出了基于多角度旋转积分结合二维离散余弦变换(Discrete Cosine Transform,DCT)的方法。位面图在一定的角度间隔下不断旋转做积分运算,堆积的总积分向量经过DCT变换后在低频区域截取一个用于分类识别的最优特征矩阵,确定400维的特征向量描述静手背脉纹理的特性。通过实验选取的旋转角度15。,截取的最佳特征矩阵大小20×20与第三位面图的组合可以使得单设备的手背静脉识别率超过99.5%,跨不同设备的手背静脉识别率达到84.8%。(3)针对跨不同设备手背静脉身份识别率不理想的问题,设计了一种基于位面图内分块互信息的手背静脉识别方法。将位面图进行分块,确定最佳分块大小,比较三种不同的互信息计算模式,确定新的描述子以2592维的特征向量描述静脉纹理的特性。通过实验选取的最佳分块大小20×20,八邻域的互信息计算模式与第三位面图的组合可以使得单设备的手背静脉识别率同样超过99.5%,同时跨不同设备的手背静脉识别率进一步提升到90.2%。通过上述工作,单设备的手背静脉识别率超过99.5%,跨不同设备的手背静脉识别率从84.8%提升到90.2%,本文工作的有效性得到了验证。