近年来,生物特征认证技术由于其具有的安全性、便捷性、唯一性和稳定性等特性,开始逐步取代了传统的认证方式。特别是其中的指静脉识别技术由于其独具的活体检测能力逐渐而获得了广泛的关注,并被许多公司选择作为商用产品开发。然而在实际应用中,为了提高系统的亲和性而采用的降低对手指约束的方式,会使得在采集指静脉的过程中手指的摆放自由度过高,从而带来因手指轴向旋转而引发的成像区域不一致以及纹路形变问题,极大的影响现有算法的识别性能。针对上述问题,本文从指静脉的图像预处理、特征提取和编码,以及特征匹配方式等几个方面进行较为深入的分析和研究。相比现有的研究,本文的主要贡献在于:第一,提出一种新的双方向编码直方图特征。针对手指轴向旋转会导致成像区域不一致和纹路旋转形变问题,本文首先采用基于垂直方向纹理的旋转校正方法提取共同纹路区域。然而获取的多幅共同区域纹路之间仍然存在由于手指轴向旋转而引起的纹路形变。为此我们针对性提出一种双方向编码直方图特征以解决常见的静脉纹路偏移和形变问题,从而有效的减少手指轴向旋转的影响。第二,提出一种基于最小卷积点的特征提取方法及其对应的可变形匹配方法。如上所述,在获取公共区域纹路后,手指轴向旋转引起的纹路形变仍会影响指静脉识别的性能。为此,本文采用卷积滤波器对原图进行增强并提取静脉特征点,同时结合新的可变形匹配方法来有效应对前述纹路形变问题,并通过与改进的SIFT特征方法进行实验对比,验证了最小卷积点特征的有效。在此基础上,通过融合基于LBP的纹理特征提取方法,进一步提升了手指静脉认证性能,获得了当前指静脉认证的最好效果。第三,提出一种基于配对SVM的认证方法。当前基于距离的手指静脉认证算法难以自适应确定认证阈值,而手动选取阈值会影响认证性能。因此,利用图像层的配准信息和特征级的差异信息,本文将共同区域纹路信息与SVM相结合,提出了一种使用配对SVM认证的方法,以提升手指静脉认证性能。最后,在公开数据集和自建数据集上分别对指静脉认证任务以及指静脉识别任务进行算法评估比较。指静脉认证实验结果显示,本文提出的基于最小卷积点和LBP的融合认证方法的在多个数据库都能达到当前最好性能。此外,使用配对SVM认证的方法,在多个数据库上进行验证也得到有竞争力的结果。而指静脉识别的实验结果显示,本文提出的基于最小卷积点及其对应的可变形匹配方法在多个数据库上也能达到最高的识别率,从而证明了本文提出方法的有效性。