手指静脉是指位于人体手指浅筋膜之间的静脉血管,具有普遍、唯一、隐蔽、活体等特点。手指静脉识别系统自2004年首次被应用于个人身份鉴定以来,因其高安全性,在金融、汽车和楼宇等领域获得了广泛的应用。手指静脉识别的基本原理是利用静脉血液中血红蛋白对红外光的吸收特性来形成手指静脉图像,通过对图像分析、处理获取静脉分布模式,并以此作为匹配基准进行身份识别。手指静脉识别系统一般包含图像采集、预处理、特征提取及图像匹配四个环节。其中,预处理和匹配处理是实现高效指静脉识别的关键。预处理主要包括在保留静脉信息基础上的去噪技术、静脉纹路的增强技术、以及目标与背景分离的分割技术等。匹配处理主要指通过对指静脉图像特征信息的分析,寻找相似目标图像的技术。关于手指静脉预处理和匹配的技术研究目前已取得了一定的进展,但受指静脉图像纹路不清、对比度低、特征点少等问题的影响,使得这两部分的研究仍具有较大挑战。因此,本文将对指静脉识别系统中的图像预处理（涉及去噪、增强和分割）及匹配技术展开深入研究,主要工作和贡献包括:1.基于稀疏表示法和字典学习的指静脉图像去噪稀疏表示根据数据是否可通过字典中少量元素的线性组合来表示,实现图像中有用信息与噪声分量的分离,从而达到去噪的目的。在以往研究中,通常采用原始的训练图像作为稀疏字典,这种方式忽视了字典元素对噪声鉴别的差异性,从而限制了稀疏模型的去噪能力。因此,本文提出了一种基于稀疏表示和字典学习的指静脉图像去噪方法。所提方法根据稀疏字典元素对测试图像表示的贡献度不同,将稀疏字典分为高信息样本和低信息样本两部分,并通过迭代学习更新字典,使高信息样本得到加强而低信息样本被有效抑制,从而获取信噪比高的去噪指静脉图像。仿真实验结果表明,该算法能有效去除噪声而不丢失指静脉信息。2.基于脉冲耦合神经网络的指静脉图像增强脉冲耦合神经网络具有非线性调制和自动阈值的特性,可实现图像的增强处理。但其存在结构复杂和参数设置困难等问题,难以满足指静脉识别系统的实时性和智能化需求。因此,本文提出采用单链脉冲耦合神经网络来降低网络的复杂度,并根据指静脉纹路方向、灰度强度及内部点火过程设计脉冲耦合神经网络的参数,进而提高指静脉识别系统在增强处理中的自适应性。仿真实验结果表明,相较于现有方法,所提模型能显著提升指静脉图像的质量,进而提高系统识别率。3.基于Graph-Cut的指静脉图像分割Graph-Cut（GC）算法将图像映射成加权图,根据像素间的相似性设计能量函数,并通过最小化能量函数来获取图像的边界信息,从而实现图像的分割。但其在分割处理时,需繁琐人机交互,无法满足指静脉识别系统的智能化要求。因此,本文提出了一种迭代的Graph-Cut（IGC）分割算法来实现指静脉图像的自动分割。首先,根据图像采集系统的几何结构和手指形状,自动设定IGC的固定约束;其次,基于节点间的灰度相关性,对节点进行融合来减少计算量;然后,采用距离高斯模型来自动选择初始种子;最后,利用最大后验概率-马尔科夫随机场模型实现目标和背景标签的自动更新,进而完成指静脉图像的分割。仿真实验结果表明,所提算法能自动、快速且准确地分割指静脉图像。4.基于相位相关法的指静脉图像匹配相位相关法是一种基于傅氏功率谱的频域相关算法,所获取的相位相关峰值尖锐突出,可用来衡量图像间的匹配度。但传统的相位相关算法所考虑的频谱及遍历窗口较大,存在明显的计算冗余。因此,本文提出了一种窗口的限定方法来减小计算量。首先,根据指静脉有效信息集中在低频部分的特点,以指静脉图像频谱分布的低频部分作为带限窗口范围。其次,考虑相位相关系数与指静脉图像偏移量的关联性,以图像间的偏移量范围作为遍历窗口范围。仿真实验结果表明,所提算法相较于原算法,在计算速度上最高可提高59.6%。5.基于卷积神经网络的指静脉图像匹配卷积神经网络是近年来研究的热点,其在匹配领域具有显著的优势。但已提的卷积神经网络结构并未针对指静脉数据库的实际特点来设计,在匹配精度上仍有提升空间。因此,本文通过实验分析网络结构和参数对匹配精度的影响,建立一个更优的网络来实现指静脉图像的匹配。同时,采用指静脉图像多方向的Gabor滤波图像作为卷积神经网络的输入来丰富网络的特征信息,以克服指静脉图像特征点少且影响匹配精度的缺陷。仿真实验结果表明,本文所提的神经网络可实现高达99.06%的匹配精度。此外,为验证上述工作在实际应用中的集成可行性,本文搭建了两套指静脉识别智能锁样机,来进行身份验证实验。与相关指静脉识别产品相比,本文所搭建的系统具有较高的识别精度和效率。