信息技术的快速发展与广泛应用给人们的生活带来了极大的便利,我们在享受着便捷、舒适生活的同时也面临着日趋严重的信息安全威胁,所以安全、准确的身份认证技术成为了研究热点。手掌静脉识别技术具有活体识别、内部特征、非接触式、安全等级高等特点,近年来受到了越来越多的关注。本文主要针对高质量掌静脉图像获取方法做了深入研究,研究内容包括手掌静脉采集设备的设计、快速手掌定位与感兴趣区域提取、快速自动掌静脉图像质量评价以及掌静脉图像增强。本文具体研究成果如下:研究高质量的手掌静脉图像首先需要快速定位手掌区域,本文在分析了主流的基于边缘信息的非接触式手掌定位方法基础上,提出了一种新的快速手掌定位方法。首先本文改进了基于掌心或手腕中心与手掌轮廓距离的手掌定位方法,使算法无需判断左右手即可提取出感兴趣区域。此外,结合手掌轮廓凹性分析,给出了鲁棒性更高的手掌定位方法,并且通过实验证明该方法的定位准确率。获取了手掌感兴趣区域之后,本文提出了一种基于分块灰度均值差的图像质量评价方法,用于评价手掌静脉感兴趣区域的光照均匀度。改进了二次模糊图像质量评价方法,使算法更适应静脉图像的质量评价。结合自然场景统计图像质量评价算法理论,提出了基于统计Haar-Like特征的手掌静脉图像质量评价方法。通过实验验证了各算法的有益效果,选择了多种算法的融合对掌静脉图像进行质量评价。最后,本文提出了一种新的对比度增强方法,并通过对比实验验证了基于高斯拟合的灰度变换算法增强掌静脉感兴趣区域图像对比度的良好表现。最后使用本文设计的掌静脉采集设备,结合文中提出的手掌定位算法、掌静脉质量评价算法、对比度增强算法以及现有的特征提取与匹配算法,完成了整个非接触式掌静脉识别系统的搭建,并通过实验测试了系统的识别准确度。系统在FAR为0.01%时FRR为2.5%,满足实际应用需求。