现代社会中身份识别技术正在进行快速更新和发展来适应不断提升的信息安全需求,如何保证个人资金和信息不被盗取和泄露已经成为社会各层都密切关注的问题。而针对以往身份识别方法的易丢失、易伪造等不足,基于生物特征的身份验证法因其利用了自身生理特征的优势,已经在新的身份认证信息时代蓬勃发展。其中,基于掌静脉的身份认证和识别技术以其难以伪造的特点,渐渐被应用于社会中。本论文主要是对手掌静脉红外图像识别方法做深入研究。论文针对采集到的掌静脉图像质量低的特点,首先对掌静脉图像进行预处理,然后对图像进行特征提取和匹配。在预处理阶段,论文首先对图像进行NSCT(Non-subsampled Contourlet Transform,非下采样Contourlet变换)处理,得到不同尺度和方向上的低通子带图像和带通子带图像。对低通子带系数进行线性增强处理,提高图像对比度;对带通子带系数,根据能量分布自适应地确定各子带去噪阈值,并提出弱边缘增强算法,达到增强细节纹理,抑制噪声的效果。论文然后对细节增强后的掌静脉图像进行了后续的掌静脉图像分割和细化,应用了基于区域活动轮廓模型的图像分割方法,该方法能够沿着静脉细节纹理进行图像分割并且较好的保留局部信息,对强度分布不均匀、含噪声的静脉图像有较好的分割效果。在掌静脉特征提取和匹配阶段,论文研究了基于结构特征的掌静脉特征点的提取方法,其中包括基于静脉端点和分叉点法以及基于SIFT(Scale Invariant Feature Transform,尺幅不变特征变换)算法的方法。基于静脉端点和分叉点法具有识别时间短的优势,但是正确识别率低;基于SIFT算法的方法在图像旋转、缩放和视角变换上具有较强的鲁棒性,但是识别时间较长,实时性差。根据两种方法的优缺点,本文将上述两种方法相结合,提出了一种基于二次匹配的掌静脉识别方法。论文对提出的掌静脉识别方法进行了实验,结果表明:两种方法的结合在保证识别准确率的前提下有效降低了识别时间,从实验得到的正确识别率、误识率、拒识率、识别时间这四个评价指标分别为97.15%、1.62%、1.23%、2.17s,实验数据证明该识别方法具有实际应用价值。