身份识别自古以来就对社会中的每个人至关重要,现代社会中的身份识别要求更加严格,但是由于社会科技的发展,传统的身份识别技术已经不能适应越来越高的安全性的要求了。生物特征识别技术是一种新兴的身份识别技术,与传统的身份识别技术相比,具有更安全性、更保密性和更方便性的优势,所以生物特征识别技术已经被更深入的研究并且开始被广泛应用到社会生活的各个领域当中。手背静脉识别技术是生物特征识别技术的一种,具有唯一性、非接触性、不易伪造性和高安全等级性等优点,是近些年来的一个热点研究课题。手背静脉识别技术和其他的一些生物特征识别技术(例如人脸识别、指纹识别等)相似,在商用系统的实现上面临着许多有待解决的问题。通常情况下,采集到的手背静脉图像对比度很低,不利于静脉图像的分割和特征提取。因此,在静脉识别之前,需要对低对比度的手臂静脉图像进行增强处理。虽然许多研究者对手背静脉识别技术作过大量的研究,但是他们对静脉图像增强所用的方法太简单,增强效果不是很明显。另外,手背静脉图像的分割效果直接影响到手背静脉的特征的提取。许多研究者对手背静脉图像的分割主要是利用阈值分割方法,分割效果并不好,因为这种方法会导致手背静脉的一些特征信息丢失。本文对采集到的低对比度的手背静脉图像首先进行尺寸、灰度的归一化以及滤波处理,然后,在研究了直方图均衡化处理方法和局部自适应直方图均衡化处理方法的基础上,利用对比度受限的自适应直方图均衡化方法(CLAHE)对手背静脉图像进行增强；本文还提出了一种改进的手背静脉图像分割的方法,首先,利用数学形态学处理的方法对增强后的静脉图像进行处理,然后,将增强后的手背静脉图像和数学形态学处理后的手背静脉图像进行加权操作,最后,将加权操作后的图像运用改进的阈值分割法进行分割而得到最后的分割图像。将改进的静脉图像分割方法与一些经典的阈值分割方法相比较,实验结果表明本文中改进的静脉分割方法具有更好的分割效果。