伴随着信息化时代的发展,现代社会对信息的安全性要求越来越高,生物特征识别作为一项身份认证技术,得益于其高安全性和便利性,越来越受到人们的重视。在众多的生物特征识别技术中,手指静脉识别技术是一项新兴的生物特征识别技术,由于是内部特征,并且是活体识别,较之其他生物特征识别技术,手指静脉识别技术更加安全、便捷。当然手指静脉识别技术本身也有一定的局限性,比如采集的手指静脉图像质量低、静脉图像处理技术困难等。为了提高手指静脉识别的识别性能,本文展开了一系列研究,主要研究内容包括：一个典型的识别系统包括图像采集、预处理、特征提取和匹配四个主要阶段。其中,特征提取是非常重要的一个阶段。在手指静脉的特征提取方法中,基于二元编码模式的特征提取方法是很重要的一类方法。此类方法对线性光照不敏感同时编码方式简单,计算速度快。得益于这些优点,基于二元编码模式的特征提取方法在手指静脉识别领域得到了广泛的传播和应用,但同时也存在一些问题。在本文中,首先将一种新的纹理描述算子-CSLBP算子作为一种新的特征提取方法应用到手指静脉识别中,同时,通过分析LBP和CSLBP特征提取方法存在的问题,提出了一种新的基于分块的多尺度二元编码方式MB-CSLBP方法。该方法将一个小的图像块区域作为一个新的单元进行比较,降低了对图像噪声的敏感度,同时,MB-CSLBP方法整合了图像多个尺度的信息,在特征提取的过程中能够更加充分的表达图像。以往基于二元编码的特征提取方法在匹配阶段,对所有的特征位都赋予了相同的权重,没有区分“稳定位”和“不稳定位”。然而,位的稳定程度直接反映了一个像素点在其临域中的可信程度。理想状态下,一个手指的多幅静脉图片生成的二元特征序列是对位完全一致的。如果,一个位特征,在一个手指的多幅样本中是一致的,即都是0或者都是1,说明这个位特征是很稳定的,在匹配的时候,应该被“重视”,即被赋予较高的权重。相反,如果一个位特征,在一个手指的多幅样本中是多次变化的,即01之间的反复变化,说明这个位是非常不稳定的,很有可能是噪声。在匹配的时候,其贡献度很小,甚至是相反的,应该被赋予较低的权重。基于上述分析,本文提出了一种基于个性化权重图的手指静脉识别方法(PWM), PWM不仅是一个方法,更是一个框架,任何基于二元编码的特征提取方法都可以使用。大量的分析实验证明该静脉识别方法不仅能提高识别性能,而且还具有很好的鲁棒性。在一个生物特征识别系统中,特征提取阶段和匹配阶段的关系非常紧密。本文分析了目前基于静脉纹理的方法所提出的图像特征的特点,以及所使用的匹配方法的弊端,提出了一种新的匹配策略,在新的匹配方法中,将二值化的静脉骨架看作是一个01分布图。在对图像分块的基础上,将得到的二值化图像进行了X轴和Y轴的投影,然后整合了每块图像上静脉纹理的分布信息得到整幅图像的特征集。新的匹配方法能够明显降低图像旋转带来的影响,同时对图像的噪声也更加鲁邦。