当今社会信息量呈现井喷式膨胀,信息安全就显得格外总要,其中身份认证识别就是其中一个重要的课题。伴随着社会科技的进步,身份认证识别装置需要越来越便捷小型化、安全等级越来越高。传统的认证识别技术已经跟不上社会发展的脚步,满足不了人们的需求,而新兴的生物特征识别技术正脱颖而出。其中掌静脉识别技术安全等级更高、稳定性更好、具有活体识别等特点。本文主要研究了手掌静脉识别的相关技术。在图像采集方面,本文设计了圆形的LED近红外光源阵列,使得近红外光源能更均匀地照射到手掌上,以提高图像采集的质量,此外在CCD镜头外加装了850nm的滤光片,减少自然光的干扰。采集了人体手掌静脉图像并组成了图像库,供后续图像实验使用。在图像预处理方面,本文设计了一种截取图像ROI(感兴趣区域)的方法,根据掌形图像确定关键点,以提取富有手掌静脉信息的区域。设计了一种图像增强算法,将其和直方图均衡、Niblack算法、修正的Niblack算法进行了对比,此外还进行了图像归一化处理,减少图像因过亮或者过暗而造成的影响。图像预处理过程取得了不错的效果,为后续特征提取奠定了基础。在图像特征提取和匹配方面,本文介绍了基于Hu矩和单方向2D-Gabor的特征提取算法,并对后者进行了改进,设计了基于Hu矩和多方向2D-Gabor的两级识别算法。通过对比图像间的汉明距离来进行特征匹配,修改了汉明距离的计算方法,以弥补手掌关键点偏移而造成的影响。最后基于采集到的手掌静脉图像库,进行了识别实验,相比于单一的基于Hu矩识别算法和多方向2D-Gabor识别算法,本文设计的两级识别算法的等误率更低。