生物识别技术是最近几年一个十分活跃的研究领域,是人体生物特征与高科技结合的产物。手指静脉识别的原理是利用一定波长的近红外光照射手指形成静脉图像,然后经过图像处理实现两张图像的相似度匹配。由于该技术具有活体识别、非接触式、内部特征、识别率高等优势,可以广泛的应用于门禁系统、金融机构、安检入口等场所,被称为第二代生物识别技术。本文对手指静脉识别系统进行了研究,包括手指静脉图像采集、图像处理和图像识别,具体研究内容如下:根据手指静脉成像原理,选择合适的成像设备搭建图像采集装置,并对采集装置的硬件实现进行说明。提出一种等边三角形阵列光源,该阵列光源利用近红外光源的数学模型和斯派罗法则进行两个光源间的最优距离优化,并获得了均匀光照的最优距离,通过仿真和实验证明该光源阵列可以获得高质量的原始手指静脉图像。对手指静脉图像进行图像处理:首先将采集的手指静脉图像进行感兴趣区提取,去除背景区域;进行归一化处理,统一图像尺寸和灰度值;提出了引导图像滤波算法进行图像增强,引入图像增强模型,获得静脉纹络结构突出的图像;然后针对经典阈值分割方法存在的问题,提出方向谷型检测的图像分割算法,并获得了满意的分割效果;进行去噪声处理,包括毛刺噪声、斑点噪声和空洞噪声;最后采用Hilditch串行细化算法进行骨架提取,获得单像素、连通性好、伪静脉少、光滑的手指静脉纹络图。将手指静脉图像进行图像识别,对Housdorff距离识别算法进行研究,该算法把整体集合分解成单独元素进行分析,使用端点和分叉点来代表整个图像。由于过于依赖易受噪声影响的特征点而导致识别率低和稳定性差。提出Hu氏不变矩算法,该算法利用七个不变矩进行图像匹配。通过实验证明了Hu氏不变矩算法具有很好的抗变性、容错性、准确性,对比Hausdorff距离匹配算法具有更高的稳定性和相对满意的识别效果。