如何安全高效地识别个人的身份,是信息化时代必须要解决的一个重要问题。传统的身份识别方法,如身份证、用户名等,存在着容易遗失和泄露等无法克服的缺点,越来越难以满足社会的需求,在这一背景下,生物特征识别技术应运而生。其中,手背静脉身份识别是一种新兴的生物特征识别技术,它具有诸多优点,如手背静脉属于身体内部特征、具有活体性、非接触式识别等。正因如此,手背静脉身份识别越来越成为人们关注的焦点。在手背静脉身份识别中,特征提取是较为关键的一个步骤。手背静脉图像中常被提取的特征信息有静脉端点和静脉交叉点,它们的提取相对简单,也能较好地反映手背静脉网络的结构信息。但由于图像采集等因素的限制,能够提取到的静脉端点和静脉交叉点的数量往往偏少,这使得识别算法的准确性很难令人满意。针对上述情况,并结合我们采集到的手背静脉图像,本文设计了一套可行的手背静脉身份识别算法,与仅使用静脉端点和静脉交叉点的算法相比,提升了识别的准确性。本文主要工作包括以下几个方面:(1)采集并建立了手背静脉图像数据库。利用本实验室自主设计的静脉图像采集装置采集了 380张手背静脉图像,包括19人左右手背各10张图像,每个手背的10张图像分为在两个不同的时间各采集5张,以增加手背摆放、环境光照等因素对算法的影响。(2)结合手背静脉图像的实际情况,设计了全套的图像预处理流程,并提出了基于图像最大连通域的ROI提取算法。我们的预处理流程主要包括图像类型转换、ROI提取、图像去噪、尺寸归一化、灰度归一化和图像增强等。在进行ROI提取时,分析了目前主流的几种ROI提取算法,均难以满足实际需求,因此本文提出了基于图像最大连通域的ROI提取算法,该算法可以有效地提取ROI。(3)提出了多特征点融合的手背静脉身份识别方法。首先采用最大曲率算法对手背静脉图像进行分割,随后依次进行静脉修复、静脉细化、去除毛刺等过程。针对静脉端点和静脉交叉点数量偏少的问题,本文提出可以进一步提取SURF特征点,将这三种特征点融合作为手背静脉图像的特征信息。在进行特征匹配时,分别采用Hausdorff距离和欧氏距离对提取到的特征点进行匹配。(4)实验和分析。将本文的手背静脉身份识别算法在所设计的GUI中进行整合。基于Hausdorff距离的算法等错误率EER为1.58%,单次匹配时间为0.27秒,识别率为96.32%,单次识别时间为1.21秒。基于欧氏距离的算法等错误率EER为1.05%,单次匹配时间为0.32秒,识别率为98.42%,单次识别时间为1.81秒。利用本文手背静脉图像数据库和实验环境,我们做了 4个对比实验,实验结果表明:增加SURF特征点作为图像的特征信息能够有效地提升算法的性能;并且与常见的手背静脉身份识别算法相比,本文算法具有更为优秀的性能。