在基于图像的识别系统中特征提取是识别系统中非常关键的步骤。目前，存在的基于图像的特征提取主要分为四种方法，而基于对象的频域变换系数的特征提取方法具有比较强的表示能力，为此本文针对于手指静脉图像而言，首先对手指静脉图像进行预处理操作，然后基于超小波变换对预处理后的静脉图像提取特征。在进行手指静脉图像预处理操作时，首先对采集的手指静脉图像进行灰度化操作，然后对灰度图像中的手指区域进行定位与获取操作，从而得到包含静脉信息的感兴趣区域。对获得的手指区域，直观上其静脉纹理具有明显的方向信息，通过计算手指区域的方向图得到验证；因而接下来采用方向滤波的分割方法获得手指区域的静脉纹理，由于在采集图像的过程中，手指的大小、摆放的位置等各不相同，为此对静脉纹理图像进行归一化操作。由于超小波变换理论是针对于小波变换方法在处理二维以上函数的奇异性时表现出的不理想的结果而提出来的。因此本文首先应用小波变换来提取手指静脉特征的操作，对小波变换后的静脉图像，得到静脉图像的小波分解系数，对小波分解系数的低频部分进行主元分析与小波矩的分析，对于水平、垂直和对角方向的小波分解系数进行统计分析，从而得到用于静脉识别的特征；本文针对小波分解后的低频系数和水平、垂直、对角方向的系数分别进行主元分析后送入支持向量机进行识别操作，对比四类分解系数在静脉识别性能上的效率；通过对比计算当识别率达到最大值时的主元分析所得的系数维数，根据每类分解系数的在识别性能上的优劣，验证提出的特征的构造方法的适当性；最后通过对比验证基于小波变换的手指静脉图像的特征提取方法的优越性。本文应用超小波变换中的脊波分析和曲波分析理论对手指静脉图像进行特征提取。在基于脊波变换的方法中，由于脊波变换是在拉东域中的小波变换，所以需先对静脉图像求得其近似离散拉东变换，对拉东变换后的静脉图像分别按照其所在的极坐标系下的坐标进行一维离散小波分解，从而获得手指静脉图像的脊波分解系数，对脊波分解系数进行主元分析，经过主元分析后的脊波分解系数进行识别分析，根据该识别对比分析提出构造脊波分解特征的方法，应用该特征进行静脉识别操作，实验结果表明与小波变换相比而言，基于脊波变换的手指静脉的特征提取方法具有明显的优越性。在曲波变换的方法中，首先描述两种基于第二代曲波变换的离散算法，对比这两种算法的优越性，本文选择基于USFFT算法对手指静脉图像进行曲波分解，给出曲波分解后的图像，本文对曲波分解后的每个尺度下的系数分别进行识别对比实验，通过该实验验证各个尺度下的曲波分解系数的分类识别能力，根据上述对比实验构造手指静脉图像的曲波分解特征，将该特征输入支持向量机分类器进行分类识别。