生物特征识别是根据人体所固有的生理特征或行为特征来进行身份验证的技术。基于生物特征识别技术的个人身份识别系统具有更好的安全性、可靠性和有效性,正越来越受到人们的重视,并开始进人我们社会生活的各个领域。经过数十年的研究,人们在人脸、指纹、虹膜、手形、掌纹、声音、签名、步态和静脉等方面都取得了一定的成功。静脉识别是生物识别中的一种,它已经成为主流的生物特征识别方法。静脉以其采集样本非接触、采集过程简单和静脉的唯一性的特点成为高技术领域的研究热点和市场应用的重点,有着广泛的发展空间和美好的发展前景。本文实现手背静脉为特征的图像分类及匹配,最终输出身份认证的结果,从而实现基于人体手背静脉的生物身份认证。本文研究了静脉图像所包含信息特点,进行分层特征提取、级联SVM分类、信息融合进行决策的分类策略和基于分层特征的静脉匹配。研究是在对图像进行预处理(采样、去噪、平滑等)后进行的。首先在静脉图像的特征提取方面,分析了图像全局特征：图像的峰值信噪比和图像信息熵。再分析了基于形状的图像特征描述符,该描述符应具有平移、旋转、比例和仿射不变性,Hu不变矩和仿射不变矩是基于形状区域的,边界不变矩是基于形状边界的。最后对整个图像几何结构进行细化,对图像的纹理结构进行特征提取和分析。其次,采取级联的SVM分类器对各层提取特征进行分类,并采用信息融合决策的方法来确定最终的分类结果。首先对每层的特征进行单独的SVM分类,形成三层并联结构。再对分类样本进行可信度计算,即权值计算。最后通过加权函数进行融合决策,获得最终的分类结果。最后,根据三层特征提取这一特点,分类后的样本进行信噪比阈值比较,在符合阂值要求条件下,进行交叉点和端点的匹配,进行最近邻匹配,达到先排除不符合分类要求的结果后进行分层匹配的目的。针对手背静脉的研究,实验说明本文所采取的方法能够达到识别的目的,并且能够为以后的研究提供一定的参考意义。