随着社会的发展和科技的进步,生物识别技术(如虹膜、指纹、手静脉等)用于特征识别已经成为了研究的热点。其中,静脉识别以其不易伪造且非接触式采集等独特优势倍受人们关注。但是,由于在静脉采集过程中受到仪器设备、光照等因素的影响,采集的静脉图像对比度往往较低、噪声较多,给最终的识别带来很大的不便,所以在识别之前对静脉图像作包括增强在内的预处理是很有必要的。本文针对静脉图像的预处理问题,分别从去噪和对比度增强两方面做了研究。并实现了静脉图像预处理系统。在去噪方面,本文针对静脉图像中脉冲噪声及高斯噪声的混合噪声,首先利用模板操作对图像进行噪声检测,分离出脉冲噪声并以中值滤波进行滤除,并对邻域像素集合予以相应像素的裁减。然后,针对高斯噪声灰度值的不确定性,应用了改进的模糊加权均值去噪算法。最后,根据实验验证了基于模糊推理的静脉图像去噪算法的有效性。在增强方面,本文分析了常见的模糊增强算法,并结合近红外静脉图像特点,提出采用基于模糊对比度的图像增强算法。首先,把图像从空间域映射到模糊域。然后,在模糊域内定义一个图像模糊对比度,利用改进的模糊对比度增强算子实现对比度非线性变换。最后,将图像逆映射回空间域,从而完成了静脉图像对比度增强的整个过程。另外,本文实现了静脉图像预处理系统。该系统包括规范化、去噪、增强和后预处理四个部分。在规范化部分中,本文主要是对静脉图像尺寸以及灰度级做了归一化处理。去噪和增强部分主要采用本文研究的算法进行处理。后预处理部分则采用经典的图像阈值法进行二值化,并对二值图像进行区域噪声去噪。实验表明,处理结果图像符合静脉区域特征提取的需要,为手背静脉识别系统的完善奠定了基础。