生物特征识别技术作为一种计算机安全技术，近些年来，得到迅猛发展。通过提取人体的如虹膜、指纹、人脸等物理信息并进行一系列处理提取特征来进行身份的验证及识别，相比于传统的密码、钥匙等，具有不易改变、不易丢失、安全性髙等优势。静脉识别是一种新兴的生物特征识别技术，可单独作为一种特征进行识别，也可以与手形、掌纹等特征进行融合，形成手部多模态识别。本文首先简单介绍了全手掌静脉识别系统总体设计；然后介绍了图像釆集装置中摄像机、波长、光强的选择并根据选择的环境拍摄了三个实验图库；进而针对自然摆放的手图像，提出的三种指根点提取方法，并进行了简单比较，最终确定了一种性能较髙的方法：基于灰度图像的指根点提取方法：有效回避了图像二值化及轮廓提取操作，提髙算法运行速度。为了验证本文方法，利用自建小型自然摆放图库（SUT-P，图库含420幅图像）进行测试，结果表明正确提取率可达97.14%，验证了此方法的可行性和有效性；方法能够避免手指张开程度产生的影响，体现方法的优越性。下一章详细说明图像预处理中的各步骤：三个指根点的提取、其他特征点的提取、根据提取的特征点建立坐标系、对图像进行归一化操作（大小归一化、方向归一化、坐标原点归一化）、提取手掌区域、对提取出的手掌部分进行灰度归一化及降噪处理。对静脉结构进行分割并处理，分析分割效果;最后进行全手掌静脉区域进行特征提取,采用几种比较经典的方法，并对各方法进行比较详细的阐述，最后确定一种特征提取方法：基于灰度统计特征的方法，利用最小欧式距离进行识别匹配。算法在嵌入式系统中，识别率达到70%左右。