随着时代的发展,人工智能技术越来越多的进入到人们的生活和工作当中。信息化的普及和应用使人们对信息安全的保障有了越来越多的需求,而生物识别技术也越来越多的应用到了我们保障信息安全中来。手背静脉作为一种生物特征具有很多独特的优势,例如静脉信息全都在手背当中,不会被仿造,采集设备造价相对低廉,用户的接受度强等特点,因此逐渐成为研究的热点。目前对手背静脉的识别研究还处于研究发展阶段,对于手背静脉的采集系统的设计研究,图像的感兴趣区域采集都有不同的方法与理解。其中最关键的是手背静脉识别算法的研究。传统的手背静脉识别方法主要以单一算法进行识别。多特征融合在实时性,精确性等方面相比于单特征识别具有很大优势。本文提出了决策层融合算法将两种改进的手背静脉识别算法进行融合。本文做了以下主要工作:(1)设计了手背静脉近红外采集装置,针对此前采集方式以反射式的采集方法图像血管呈现不清晰的弊端,我们采用了透射式的方法采集手背静脉血管。测试表明,通过近红外LED透射手背采集静脉纹理方法能够获取纹理清晰、明显的手背静脉图像。(2)对采集到的手背静脉图像进行预处理,主要对手背静脉感兴趣区域(Region Of Interest,ROI),选择与定位问题进行了研究,针对本文透射式采集方法获取的手背静脉图像,设计了感兴趣区域具体提取算法。(3)分析了BP神经网络算法在图像匹配中的应用做了具体的,对相关算法进行比较研究,并在图像配准的MAD算法和像素环形排列均值的神经网络算法的基础上提出了像素环形均值匹配算法。经实验表明,该算法识别速度达到15ms满足实施匹配的需求。(4)分析了局部二值模式(LBP),阐述了关于静脉纹理的LBP及改进算法,并在此基础上提出了改进型的LBP算法,经实验,该算法达到了98.8%的识别率。(5)论述了融合算法,并在此基础上提出了基于像素环形排列均值算法与改进型LBP算法在手背静脉识别方面的决策层融合算法,该算法将基于环形排列均值算法和改进型LBP算法的优点进行融合,经实验,该融合算法达到了手背静脉识别的准确度高和速度快的双重优势,识别率达到了99.2%,识别速度也满足实时识别的要求。