随着信息技术的飞速发展,信息交互量不断的增加,个人信息的安全正面临着严峻的挑战,这就对个人身份识别技术提出了更高的要求。在公共安全领域,传统的身份识别技术已经逐渐显露出其弊端,而静脉识别作为一种新兴的生物识别技术正以其特有的优势得到了人们越来越多的关注。通过查阅大量的国内外文献,本文对静脉识别中已有的相关算法进行了总结分析,并针对静脉识别中的关键问题进行了深入的分析与研究,提出了新的思路和方法,主要工作包含以下几个方面：首先,依据采集的静脉图像的特点,提出了一种基于最大内切圆的感兴趣区域提取算法,并在此基础上,计算手背的旋转角度,根据确定的旋转角度进行矫正处理。该算法基于手背轮廓,没有人为因素的影响,实验结果表明该方法具有很好的鲁棒性。其次,分析了待分割图像中静脉区域的灰度分布特点,提出了一种基于灰度分布谷点检测的种子点选取方法,该方法能检测出静脉部分的像素点,将这些像素点作为种子点进行区域生长,不但可以完整的分割出静脉部分,而且有效的避免阴影部分的影响。接下来对静脉特征提取算法进行了分析,将几何不变矩和多分辨率分析相结合,提出了一种基于曲波变换的静脉特征提取方法,并通过实验验证了该方法是一种有效的静脉特征提取算法,满足对静脉特征提取的要求,可以用于后续的分类与识别。最后,根据静脉数据库的特点,提出了一种在小样本多类别情况下规模应用的静脉识别策略,该识别策略利用了聚类、分类和匹配算法的优势,将三者有机的结合起来,兼顾了静脉数据库容量很大时识别系统的准确性和实时性。在文章的结尾部分,总结了取得的研究成果,展望了未来需要进一步研究的工作。