随着信息技术的不断发展，信息的安全问题越来越受到人们的重视。身份认证是保护信息安全的重要技术手段。生物特征识别技术利用人体固有且具有唯一性的特征作为认证的依据，比传统的身份认证方法具有更好的安全性和便利性。在现有的生物识别技术当中，手指静脉识别是利用人体手指中的静脉特征进行身份认证的技术，具有活体识别、内部特征、非接触式等独特优势。因此，手指静脉识别技术已成为生物识别领域的一个热点研究课题。在实际应用中，由于受到设备条件的限制，采集到的手指静脉图像中往往存在质量较差，特征不易提取的情况，从而影响了识别系统的准确性。针对这些问题，本文研究了有关的手指静脉图像增强和手指静脉特征提取算法，并提出了一种基于数学形态学的手指静脉图像增强算法和一种基于像素点检测的静脉特征提取算法。本文的主要工作如下：1.针对本文采集的手指静脉图像特点，利用边缘检测等方法提取出手指静脉图像中的感兴趣区域，并对提取出的感兴趣区域进行尺度和灰度归一化，以得到便于后续处理的静脉图像。分析了几种典型的图像平滑和增强算法，并验证了这些算法在手指静脉图像处理中的效果。2.提出了一种基于灰度形态学的手指静脉图像增强算法（Finger Vein Image EnhancementBased on the Grayscale Morphology,简称FVGM）。根据手指静脉纹路具有方向性和连续性的特点，先使用四个不同的结构元素对手指静脉图像做基于灰度形态学的膨胀运算，并通过加权的方式获得平滑图像。之后，通过两种形式的多尺度top-hat变换提取出手指静脉图像在不同尺度上的明暗区域信息，利用这些信息并结合模糊增强和灰度拉伸的方法获得最终的增强图像。实验结果表明，FVGM算法可以有效地提高手指静脉图像的质量。3.在分析了三种典型的静脉特征提取算法的基础上，提出了一种基于像素点检测的手指静脉特征提取算法（Finger Vein Features Extraction Based on the Pixel Point Detection,简称FPPD）。首先，通过计算静脉图像横截面的谷形深度和曲率，确定图像中可能属于静脉的区域。然后，根据给定的阈值将这些区域分成静脉区域、模糊区域和噪声区域。最后，通过动态阈值法分割出手指静脉特征。本文分析了模板匹配算法，并利用模板匹配算法对静脉图像进行识别。实验结果表明，本文提出的FPPD算法可以有效地提取出手指静脉特征，且具有较低的等误率和较高的识别率。另外，FPPD算法从静脉图像中提取出静脉特征所需的平均时间低于0.5s，能够满足实际应用的需要。