手指静脉识别技术是利用位于手指表皮下面的静脉血管作为特征来进行身份认证的技术。由于它是内部特征，不容易被复制和伪造，因此静脉识别技术作为一种高安全性技术受到越来越多的关注。本文针对手指静脉识别中的图像质量评估、特征提取、匹配以及分类等关键技术进行了深入的研究，提出了一套有效的手指静脉识别方法，获得了较好的识别效果。论文取得的主要创新性成果如下：(1)对手指静脉质量评估进行研究。分析了手指静脉图像采集过程中引起质量下降的主要因素，提出了一种手指静脉质量评估方案。利用Radon变换直接检测静脉灰度图像中各块的静脉特征来计算每块的质量分数，然后结合各块的质量分数来进行整幅图像的质量评估。为了提高质量评估的精度，提出了三个函数来计算二值图像的质量分数，通过融合灰度图像与二值图像的质量分数对输入图像的质量做进一步的评估。在本文建立的数据上进行了测试，表明基于Radon变换的算法和融合的算法能够有效地识别出低质量的图像。试验中，虽然融合的算法比基于Radon变换算法的识别精度高大约6%，但是它需要花费更多的时间。另外，为了测试不同的模板选择方法对系统识别精度的影响，试验中选择不同的质量分数作为注册模板，然后计算系统的等误率（EER）。实验结果表明选取中等质量分数的图像作为模板时，能够得到更好识别性能，这对静脉识别系统模板的选择具有重要的意义。(2)提出了一种基于区域生长的手指静脉特征提取算法。由于手指静脉血管是连续的，因此把区域生长的思想引入到手指静脉特征提取中。通过分析手指静脉的特征，对静脉像素点进行生长，当对所有像素点都完成了生长操作，静脉特征能够被有效地提取出来。在本文的手指静脉数据库和国立台湾科技大学建立的手指静脉数据库上进行了实验，当错误的接受率为0.1%，本文算法在两个数据库上的正确接受率分别为90.93%和98.33%。(3)提出一种多特征融合的手指静脉识别算法。由于单一的特征如手指静脉形状包含的区分信息是有限的，因此使用多种特征来进行手指静脉识别具有更好的识别性能。实验中通过对手指静脉的形状、方向和SIFT特征进行分数级融合来提高手指静脉的识别精度。另外，为了有效地匹配两幅静脉图像，根据SIFT关键点把它们分成不同的小块，然后通过匹配每一块来计算两幅图像的匹配分数。由于基于SIFT分块匹配方法能够克服图像之间的全局变化和局部变化，所以本文的分块匹配方法能够得到较好的匹配精度。在本文的手指静脉数据库和国立台湾科技大学建立的手指静脉数据库上的实验结果一致地证明了基于多特征融合的手指静脉识别算法能够有效地提高手指静脉的识别精度。(4)提出了一种特征提取方法并把它应用到手指静脉识别中。由于一幅手指静脉图像中各个像素点具有不同的区分能力，为了能够强调不同像素点在识别中的重要性，提出了一种加权区域协方差矩阵（WRCM）的特征提取方法。另外，为了提取到图像中更多的区分信息，通过在WRCM注入Gabor特征得到了Gabor加权区域协方差矩（GWRCM）。然后利用两幅图像的GWRCM的广义特征值来计算它们的相似度，最终采用近邻分类器进行分类。在本文的手指静脉数据库和国立台湾科技大学建立的手指静脉数据库上进行了测试，试验结果证明了本文算法的有效性。