在如今这样一个信息时代,由于人们对更加安全可靠的身份识别的需要日益增加,以生物特征识别技术研发生产的识别设备已经投入到社会各界使用。其中静脉识别技术是生物特征识别技术的一种,由于手掌静脉特征稳定、独特以及不易被盗取的特点,而且相较于指静脉与手背静脉,其结构更丰富。因此,手掌静脉识别技术在社会各个领域都有广大的应用价值。在前端获取掌静脉图像的过程中,由于外部因素（如采集设备限制、周围采集环境的影响）以及人为因素（个体手掌肌肉骨骼组织的差异、手掌放置位置的变化）的存在,导致采集的手掌静脉图像质量参差不齐。不同质量的静脉图像影响了掌静脉图像的后续处理,从而影响了系统的识别准确率。所以,对手掌静脉图像的增强是手掌静脉识别技术的一个关键部分。针对采集的手掌静脉图像质量参差不齐的问题,本文提出了基于图像质量评价的掌静脉图像增强法。首先,提出了基于BP-AdaBoost神经网络的多参数的掌静脉图像质量评价法。根据掌静脉图像质量特点,确定多个参数的评价指标（对比度（contrast）、信息熵（entropy）、清晰度（sharpness）和等效视数（enl））。利用BP网络优良的非线性拟合特点,以多个评价参数为网络输入,分类结果为网络输出,训练BP弱分类器,在此基础上利用AdaBoost算法得到最终的强分类器。其次,利用强分类器对掌静脉图像进行高低质量的分类,剔除低质图像。最后,将所得的高质图像进行Gabor滤波处理,滤波子图进行重建得到最后的增强结果图。通过实验结果中的识别准确率的比较,证明了本文的增强方法是有效的。针对Gabor滤波器在实际应用中存在的耗时大难以满足嵌入式系统对于时效性要求等问题。本文通过以下两种方法来实现Gabor滤波器的快速滤波。（1）设置合适的参数,在不影响滤波结果的同时采用更少的滤波方向与滤波频率;（2）改变滤波器的实现方式,使用高斯递归的方式实现滤波器的对掌静脉图像的滤波处理。根据实验结果显示,本文的快速Gabor滤波方法是有效的。