生物识别技术能够通过人类身体本身具有的一些生理特性验证身份,具有更好的安全性和便捷性。基于手指的生物特征(例如手指静脉识别、指背纹理识别、指节纹识别等)已受到越来越多研究者的关注。为了有效利用手指中生物特征的有效信息并去除背景信息对最后识别结果的影响,在识别之前需要先对手指进行分割。因此,研究鲁棒的手指静脉图像分割算法具有重要的研究意义。虽然已有一些手指静脉图像分割算法,但仍存在一些问题尚未解决。例如,背景区与手指区具有一定的灰度重叠,使得分割算法会将一些手指区域误分割为背景;手指边缘经常存在一些噪声,使得分割算法对边缘的分割不准确。另外,现有的算法通常进行高复杂度的像素级计算;在分割时,并未考虑到像素之间的一些相关性信息,从而限制了分割算法性能的提升。本文针对现有分割算法对灰度重叠、噪声鲁棒性差、计算复杂度高且有效信息利用不充分等问题开展系统的研究,主要取得了以下成果:(1)针对灰度重叠、噪声鲁棒性差问题,提出了基于稀疏表达和水平集的手指静脉图像分割方法。对每个像素点提取稀疏特征,稀疏特征能从灰度,局部特点、空间特点多个角度表示像素的特点,对灰度重叠具有较好的鲁棒性。基于像素的稀疏特征建立手指的粗略的分割图,以获得的分割结果为初始化区域,使用水平集进行细致的分割,进一步提高了分割手指的准精度。(2)针对现有算法计算复杂度高且重要信息得不到有效挖掘问题,提出了一种基于多分辨率超像素和条件随机场的方法分割图像中的手指。首先在多个不同尺度上划分超像素,然后提取超像素的底层信息,这些信息能够反映灰度、纹理、局部细节等,最后通过条件随机场对超像素进行分类从而完成手指分割。提出的超像素级的计算,能够大大减小计算复杂度。使用多分辨率超像素能够融合不同分辨率的有效信息。另外,使用条件随机场能够充分利用超像素之间的局部邻域关系,从而提高了分割算法的性能。本文系统分析了现有分割算法中存在的算法鲁棒性低、计算复杂度高等问题,并针对这些问题分别提出了基于稀疏表达和水平集的分割方法、基于多分辨率超像素和条件随机场的分割方法。在两个公开的数据库上的实验结果证明了提出的方法能够进一步提高识别精度和速度。