随着通信和互联网行业的快速发展,人们对信息安全的要求也不断地提高。传统身份认证技术由于自身缺点已经无法满足人们的需求,生物特征识别技术逐渐成为身份识别认证领域研究的热点,引起了国内外众多研究人员的关注。有些技术成果已经广泛地应用于考勤、手机解锁、互联网金融等领域。作为一种新兴的生物特征身份认证技术,静脉特征识别技术有着广泛的应用前景。相比于常见的指纹和人脸身份识别技术,静脉特征识别技术具有不易伪造、不易复制、唯一性高、长期稳定等特点。虽然静脉特征识别技术已经有应用的产品问世,但是该技术的大范围推广还需要经过不断的研究和探索。本文对静脉特征身份认证识别技术的研究主要集中在静脉图像采集与预处理、特征提取与识别算法、特征快速检索三个方面。论文的研究内容以及创新性工作包括如下几点:首先,对原始的手指静脉图像,进行边缘检测,并通过指节间隙特征提取出感兴趣区域。用二维线性插值法进行尺寸标准化处理,再经过直方图均衡化得到标准的静脉图像。用中值滤波器和带阻滤波器,分别在空间域和频率域上去除噪声。其次,提出了新的静脉特征提取和识别算子。分析了多种现有的LBP算子,原始LBP、归一化LBP、旋转不变归一化LBP和CS-LBP都强调微观特征忽略了局部的结构特征,而MB-LBP强调的是局部宏观特性。因此,以上几种算子存在明显不足。为了得到鲁棒性强和识别率高的手指静脉识别算子,本文融合了局部宏观特征和微观特征,提出了一种改进的MB-CS-LBP算子(简称IMC-LBP),识别率达到了 98%以上。最后,在检索静脉特征向量时,使用近似最近邻搜索策略,将E2LSH和随机KD树开创性地应用到静脉特征向量检索中,在基本不降低识别率的前提下,大大地缩短了检索时间。