随着信息技术的迅猛发展,人们对信息安全的要求也相应的提高。传统的身份识别方法由于其自身固有的缺点已经不能满足社会发展的要求,生物特征识别技术应运而生。静脉识别作为生物特征识别家族的重要成员,由于静脉血管位于体表内,很难伪造,更可靠,进而被广泛的研究。传统的静脉识别系统都是用单一的静脉特征,然而多特征融合系统在准确性,抗噪性,普适性等多方面均要优于单生物特征识别系统。所以本文提出了一种新的融合手部多个静脉模式的识别系统,该系统同时采集手背,手掌和手指的静脉特征用作识别。本文研究了静脉识别领域的有关研究成果,总结了这一研究领域中的主要识别算法,主要做出下列研究工作:首先,研究了静脉分割的算法。通过实验对比目前常用的几种静脉分割的算法,最终选择多方向多尺度高斯滤波的方法,因为该方法不仅可以得到很好的二值图像,而且还可以对静脉图像进行增强。这些经高斯滤波增强后的静脉图像被应用于后续的静脉特征提取中。其次,本文提出了一种新的静脉特征提取算法。即在高斯增强的静脉图像基础上,再用多方向滤波器组(DFB)进行多方向子带分解,在每个子带上应用方向LBP算子来提取静脉的法方向特征。实验结果表明,该方法优于现有的一些静脉识别算法。此外,本文还研究了融合手部多个静脉模式的方法,采用SVM分类器在决策层融合了手背,手掌和手指的静脉特征,进而使识别结果不受单一的静脉特征所影响,具有更强的鲁棒性。在197个人,每人20幅左右,共3919组静脉图像上测试了本文的算法,其等误率为0.0351%,这也证明了本文提出的算法的有效性。