随着信息技术的不断发展，信息的安全问题越来越受到人们的重视。身份认证是保护信息安全的重要技术手段。生物特征识别技术利用人体固有且具有唯一性的特征作为认证的依据，比传统的身份认证方法具有更好的安全性和便利性。在现有的生物识别技术当中，手指静脉识别是利用人体手指中的静脉特征进行身份认证的技术，具有活体识别、内部特征、非接触式等独特优势。因此，手指静脉识别技术已成为生物识别领域的一个热点研究课题。在实际应用中，由于受到设备条件的限制，采集到的手指静脉图像中往往存在质量较差的情况，从而影响了识别系统的准确性。针对这些问题，本文研究了有关的手指静脉图像的识别算法，并提出了一种采用OPM（Occurrence Probability Matrix）的模板融合识别算法和基于子空间的两个方向组合二维核主成分分析法的手指静脉图像的识别算法。本文的主要工作如下：1.介绍了手指静脉图像采用反射光和透射光的采集方式，随后介绍了其预处理过程，包括手指静脉图像的感兴趣区域（ROI）的提取，尺度和灰度的归一化，图像分割以及手指静脉图像的特征提取，图像的后处理，最后介绍了匹配识别的两种工作模式以及评判识别性能优劣的性能参数。2.提出了一种新的改善模板的方法，该方法将经过预处理后得到的细化图像进行融合，得到一个代表性模板作为每根手指的注册模板，然后与测试模板进行匹配识别，得出各种识别参数。研究表明，待融合的模板个数并非越多越好，因此又介绍了如何选取最佳个数模板的方法。与此同时，研究发现，将注册模板中的每一个像素点都平等对待并不符合实际的识别系统，因此我们提出了OPM的概念，用以给注册模板的不同位置的值加权。实验表明，采用OPM的模板改善识别算法能使系统识别性能获得较大的提升。3.在基于子空间的特征匹配方法中，介绍了二维线性分析的几种方法，实现了二维主成分分析（2DPCA）、二维最大边界准则（2DMMC）、二维费希尔线性判别分析（2DFLD）等方法对手指静脉图像的识别。详细给出了二维核主成分分析（K2DPCA）的主要内容及步骤，提出了基于二维组合核主成分分析法的识别算法。实验实现了2DPCA+2DPCA、2DMMC+2DMMC、2DFLD+2DFLD、2DPCA+2DMMC、2DFLD+2DMMC、2DPCA+2DFLD等组合二维线性分析识别算法以及K2DPCA+2DPCA、K2DPCA+2DMMC、K2DPCA+2DFLD等组合二维核主成分分析法对手指静脉图像进行匹配，计算其识别率，实验结果表明采用组合二维核主成分分析法具有更好的识别效果。