质量评估算法在很多领域都得到大量学者和研究人员的青睐,尤其是在与生物特征识别技术相关的领域中,质量评估算法都得到了良好的应用。在生物特征识别技术中,手指静脉识别技术是一个热点课题,大量学者都对此进行了深入研究,在此过程中,发现手指静脉图像质量过低会导致识别系统识别精度下降,影响正常的识别过程等问题。这些低质量的手指静脉图像是由很多原因造成的,比如采集过程中光照不均匀、温湿度变化、手指放置位置发生移动等。为此,通过对手指静脉图像进行分析,本论文提出了一种将高质量和低质量手指静脉图像进行有效区分的算法,从而解决以上问题。首先,本论文在手指静脉采集图像的基础上,对影响图像的各种因素进行了分析,并从不同方面分析了图像的特征,相应地,也分别从不同方面提取出六个不同的特征参数,这六个参数分别是:空间域梯度、对比度、图像的二维熵、位置偏移度、信噪比和有效面积等。然后,通过两种方法分别对提取的特征参数进行了处理,建立手指静脉图像质量评估模型:第一种方法是基于改进的加权融合算法而建立的手指静脉图像质量评估模型,通过对提取的前五种特征参数进行直接加权融合,并且考虑到不同特征参数对图像影响程度的不同,最终建立起一个手指静脉图像质量评估模型;通过仿真和实验,结果表明,所建的模型能够将高质量和低质量的手指静脉图像进行有效分类,能够解决文中的问题。第二种方法是基于支持向量机(SVM)分类算法的手指静脉图像质量评估模型,通过对不同特征参数进行实验,最终选择了空间域梯度、对比度和有效面积三种特征参数作为模型的特征输入,利用它们建立一个三维的坐标系,然后选择径向基函数作为支持向量机(SVM)模型的核函数,使得问题线性可分,从而建立SVM质量评估模型;实验结果表明,所建立的SVM质量评估模型,能够将手指静脉图像进行有效分类,也能够在一定程度上提高识别系统的识别性能。