随着信息技术的发展,人们对信息安全提出更高的要求。如何准确识别一个人的身份的问题被广泛关注。相比较于门禁卡、密码口令等传统的身份认证方式,生物特征识别技术因安全性好、准确度高受到高度重视。其中,掌静脉识别技术有稳定性好、识别精度高、防伪性强、容易被用户接受等优点。本论文对掌静脉识别算法进行了研究,主要工作和研究成果如下:(1)对掌静脉图像的ROI获取方法和图像增强、去噪算法进行了研究和对比实验,最后选用了基于掌心矩形的ROI提取方式、限制对比度适应性直方图均衡化(CLAHE)的灰度变换图像增强方法、均值滤波的图像去噪方法,以使后续实验达到最好效果。(2)研究了基于NBP(Neighbor based Binary Pattern,临近二值模式)和基于SURF(Speeded-Up Robust Features)的掌静脉图像识别方法,并对其中的NBP算法中的特征提取方法进行改进,提高NBP算法的准确率。然后通过实验对两种算法进行对比分析,为后续算法融合提供思路和依据。(3)对NBP和SURF算法融合的可行性进行分析:NBP算法简单、具有实时性,可以弥补SURF在识别时间上的不足;SURF具有局部不变性,弥补了NBP算法在遇到较大位移时准确性低的缺点,因此两种算法融合理论上会达到较好的识别效果。然后提出一种融合纹理特征识别和局部不变特征识别的算法,从而提高掌静脉图像识别的准确性、缩短识别时间,最后通过实验对算法进行测试。