随着信息化时代的到来,现代社会对信息的安全性要求越来越高,人们对私人用品、个人理财、电子商务等安全性的保障表现出极高的关注度。而身份认证是保证信息安全的前提,生物特征识别作为一项身份认证技术,由于其高安全性和便利性,越来越受到人们的关注。随着社会的发展与技术的进步,其应用也越来越广泛,如门禁系统、ATM系统、安防监控系统、医疗保健和信息安全等领域。在众多的生物特征识别技术中,由于手指静脉位于人体内部,不容易被复制和伪造,因此手指静脉识别技术成为近年来最具发展前景的生物识别技术之一。近年来,深度学习技术已成功应用于计算机视觉、自然语言处理等领域并取得一系列成果。基于此,本文结合深度学习理论对手指静脉图像的特征提取与防伪检测展开了一系列研究,主要研究内容包括以下几个方面:(1)研究基于稀疏自编码器的手指静脉图像分割算法。首先,提出了一种自动标注的方法来获得静脉和背景像素的标注。然后,构建训练集合并进行训练。最后,将模型用于测试图像的分割。在公用数据上的实验结果表明,提出的算法优于基于手工特征的静脉分割算法,有效地降低了手指静脉认证系统的误率。(2)研究基于全卷积神经网络的手指静脉特征恢复算法。首先,通过使用稀疏自编码器对原始图像分割得到二值图像,并对二值图像细化提取出骨架图像。然后构建训练集合进行训练并用于静脉特征的恢复,得到较完整的手指静脉特征。最后提取静脉细节点实现对个人身份的认证。在公用数据上的实验结果表明,提出的算法不仅能够对静脉特征进行恢复,而且能够提高手指静脉识别性能。(3)研究基于深度置信网络的手指静脉防伪检测算法。首先,将一幅手指静脉图像分成不同的小块,建立训练数据集合。然后,通过训练模型并将其用于真假手指静脉图像的真假鉴别中。在公用数据上的实验结果表明,提出的算法能够对假手指静脉图像进行检测,有效地提高了手指静脉认证系统的识别精度。