1、指靜脈特徵成像原理
首先要說明我們手指裡面分布的血管脈路，醫學研究表明，我們每個人的手指血管紋路都是世界上獨一無二的，左右手不相同，雙胞胎之間也不相同。之所以採用手指靜脈這一部分是因為相比於動脈來說靜脈更加接近人體皮膚表皮，更容易採集。另外靜脈相比動脈來說曲線和分支更多，採集到的靜脈圖像特徵也就越明顯。通過使用近紅外線透照射手指時，靜脈血液中的血紅蛋白會吸收掉近紅外線，肌肉和骨骼等部位被弱化，從而形成了明顯的圖像。
2、圖像的採集
在靜脈成像這方面，目前市場上的成像設備感光傳感器多數分為兩種：CCD和CMOS。其中CCD器件是利用光電效應來收集電荷，隨時鐘信號轉移到模擬移位寄存器中，在串行轉換成電壓。但這需要有極高的感光靈敏度和信噪比還有良好的動態範圍，所以導致CCD生產過程複雜且昂貴。相比之下，CMOS則較為便宜，並且集成度較高，功耗也低，雖然在成像的質量上沒有CCD優秀，但是CMOS的光譜敏感範圍在近紅外線段中比可見光的高出5到6倍，更加適合在紅外光線下採集圖像，所以總體來說COMS更為合適。
近紅外線範圍一般選在850nm左右，在這個波長左右靜脈透射的部分較少，成像明顯。但由於在使用環境中難免會受到光照環境的影響，這可能會導致指靜脈成像不穩定，所以我們還需要增加紅外濾光片來儘可能消除來自可見光的幹擾。
3、圖像的處理
除卻光照的影響，採集到的圖像還會帶著噪聲，並且圖像還會受到手指擺放的位置和姿勢以及其他因素的影響，所以需要對採集到的圖像做進一步的處理。
處理的方式一般有：去噪處理、圖像區域裁剪、尺寸或灰度歸一化、圖像增強、濾波處理、圖像分割、位置校準、細化等等。可以根據實際的需要有選擇地採用這些圖像處理方式。
其中有幾項處理方法較為重要的：
圖像增強，由於使用者個體的差異，不同的人手指的厚度也不盡相同。原始圖像還會受到椒鹽噪聲（脈衝噪聲）的影響，這就給後面圖像的分割造成了困難，所以在圖像分割之前需要對圖像進行增強處理。
去噪處理，需要對獲取到的圖像進行減噪，可以採用均值濾波的方式對圖像進行圖像平滑。均值濾波主要是鄰域平均，針對有噪聲的原始圖像(假設為f(x,y))的每個像素點選擇一個模板，這個模板是由鄰近的m個像素組成，求得均值之後再將均值賦給當前的像素點，即為該像素點最終的像素值。公式如下：
g(x,y)=1/m ∑f(x,y)
圖像區域裁剪，採集到手指靜脈圖像的同時也會不可避免地包含了圖像背景等冗餘的數據，為了避免冗餘數據的幹擾，就需要我們進行圖像區域的定位，最為常用的提取目標物體的方法為圖像閾值化，適用於圖像中目標物體和背景佔據不同灰度級範圍的情況。在簡化了分析和處理步驟的同時還大大的壓縮了數據量。通過設置多種閾值對應不同的特徵，由此可將圖像像素點分為了若干類。常用的特徵包括了直接來自原始圖像的灰度和彩色特徵以及由原始灰度或彩色值變換得到的特徵。將原始圖像設為f(x,y)，按照定好的準則在f(x,y)中找到特徵值T，分別賦予0和1來標明圖像的背景和目的物體，將圖像分割成了兩部分，也就是圖像二值化。
圖像分割，根據圖像分割方法的不同，可以大致分為四種：
（1）利用圖像灰度統計信息的方法，比如一維直方圖閾值和二維直方圖閾值；
（2）利用圖像空間區域信息和光譜信息的圖像分割方法，比如生長法、多光譜圖像分割、紋理分割等；
（3）邊緣檢測方法，利用了圖像中灰度變化最強烈的區域信息信息，比如Canny算法；（4）像素分類法，是利用圖像分類技術進行圖像分割的一種方法，比如統計分類方法、模糊分類方法和神經網絡方法等。
4、指靜脈特徵點提取
採集圖像通過處理便可以得到進一步的靜脈圖像，不同靜脈圖像的區別在於靜脈的拓撲結構以及細節點。所以用細節點來表徵身份是最合適不過的了，而細節點的提取一般有以下幾種：
端點：
當指靜脈在手指內部一定深度或近紅外線透射不夠深的時候就會出現。
分叉點：
由一個單一的靜脈段分裂為兩段靜脈段時出現。
雙分叉點：
當兩個分叉點靠得比較近的時候就會出現。
根據上述三種細節點進行特徵提取的方法如下：
提取端點：
以端點為中心提取一塊範圍N*N（N的值視情況而定），然後刪除該範圍中沒有與端點相連接的點。計算特徵與範圍邊界的連接數，如果數目為一個細節點就將該細節點作為端點並保存該點與水平線的角度，否則不成立。
提取分叉點：
以一個分叉點為中心提取一塊範圍N*N（N的值視情況而定），接著刪除在該範圍內不與該分叉點相連接的點，計算特徵和該範圍的連接數，當連接數目是4個的時候，就認為該分叉點是雙分叉點，同時並保存分支之間的角度，否則不成立。
根據上述方式進行特徵提取便可獲得較好的靜脈特徵識別的效果。