在静脉的变换域特征方面，Yang利用一组Gabor滤波器提取得到静脉的Gabor域特征，并进行编码计算。在此基础上，Han发展出自适应的Gabor函数组，能够自动调节并得到最优的性能参数，再利用比特链编码的方式抽取和匹配静脉特征，取得了较好的识别效果。此外，很多其它的频率域变换方法，如正交高斯滤波器、截止高斯滤波器、曲率波变换，Radon变化匹配滤波器等也相继被提出和使用。一些空间映射方法，如局部保持投影(Local Preserving Projection，LPP)、尺度不变特征转换(Scale lnvariantFeature Transfonn，SIFT)等，以及独立元分析(Independent Component Analysis，ICA)等方法也被纷纷应用于静脉识别领域。

静脉识别系统技术优势

同指纹识别、虹膜识别等众多的生物特征识别技术相比，静脉特征识别技术具有以下主要优势：

(1)由于静脉分布藏匿于身体内部，是一种活体生物特征，不存在仿制或失窃的风险，而且人类手部表面的皮肤条件不会对认证工作造成影响，稳定性更高；

(2)图像采集使用非侵入性和非接触性的红外成像技术，采集过程友好，同时更加安全卫生，在人流量很大的公共场所可以避免细菌的传播；

(3)采集设备简单，花费低廉，带有红外光源的低分辨率相机即可满足采集要求。

系统组成

静脉识别系统的组成框架下图所示，由图像采集模块、图像预处理模块、静脉特征提取模块、静脉特征存储模块和静脉特征识别模块组成。在图像采集模块中，由采集设备获取近红外的手静脉图像，采集到的图像质量将直接影响到后面的静脉特征识别。而图像预处理模块，首先要分割出包含静脉特征的手部特定区域的图像子块，用以特征提取。然后对分割出的图像进行滤波去噪，以及尺度的归一化。某些情况下，还需要对图像进行光照补偿，平移或旋转等形变的校正。静脉特征提取模块负责抽取静脉信息，它包含了个人特征的唯一性，是静脉识别方法的关键所在。存储模块存放静脉的特征数据或特征模板，并在识别时提供相应的数据。识别模块负责比较提取到的特征与数据库中存储的特征，并根据一定的决策给出识别结果。

特征

掌静脉识别

手掌静脉血管生长在人体的表皮下面，在可视光条件下是无法直接观察到的。根据生理学特征，波长在750nm～1100nm之间的光线能较好的穿透人体的表皮组织，得到相对清晰的血管图像。人体血液中的氧合血红蛋白和还原血红蛋白对于750nm～1100nm波长范围内的近红外光的吸收率相对较高，而人体组织中的水在这个波长范围内吸收率相对较低，所以在近红外光的照射下，手掌静脉部分会因吸收了较多的光线而呈暗色，同时手掌中的其它组织细胞由于水的反射作用而呈现亮色，这样就可以得到手掌静脉的图像。

指静脉识别

（1）内部特征

手指静脉藏匿于手指内部，而且它不容易受到手指表面赃物，破损等情况的干扰，所以，手指静脉被仿制的可能性非常小。

（2）活体识别

手指脱离人体后，静脉血管中的血液特性会发生变化，致使不能通过手指静脉识别采集装置的身份验证，所以手指静脉是一种活体识别。

（3）安全等级高

手指静脉分布于皮肤以下，形状错综复杂，难以窃取，从而具有更高的安全等级。

（4）非接触性

在获取手指静脉图像时无需手指与设备接触，不仅避免了被盗窃或者复制的缺陷，而且更加卫生。一方面提高了使用的便捷性和安全性，另一方面也提高了人们使用指静脉进行身份认证的意愿。