1.一种基于二维高斯最大曲率识别手指静脉的方法，其特征在于包括如下步骤：

S1、构造一个(2×w+1)×(2×w+1)的窗口，作为二维高斯函数模板G(x,y)，二维高斯函数如公式1所示，其中x∈[-w,w],y∈[-w,w]， w为正整数S2、根据步骤S1构造的二维高斯函数G(x,y)，分别求出二维高斯函数水平方向一阶导数Gx(x,y)、垂直方向的一阶导数Gy(x,y)、水平方向二阶偏导数Gxx(x,y)、垂直方向二阶偏导数Gyy(x,y)和二阶混合偏导数Gxy(x,y)；

S3、利用步骤S2得出的结果，求出二维高斯函数8个方向的一阶方向导数Gθ(x,y)、二阶方向导数Gθθ(x,y)，S4、对像素大小为M×N的预处理后的手指静脉图像，按边界像素值进行边界扩充，扩充后的手指静脉图像的大小为(M+2w)×(N+2w)；

S5、根据曲率公式求出8个方向的曲率模板；

S6、将步骤S5得出的8个方向的曲率模板，分别与步骤S4得出的扩充后的手指静脉图像上对应的窗口进行卷积，得到的卷积值记为ql，ql表示第l个方向两个窗口中心点的曲率值，即曲率模板窗口与对应的手指静脉图像窗口中心处的曲率；其中l＝1,2，3…8；然后选取出q1,q2…q8中的最大曲率值，将该最大曲率值存入一个M×N的二维矩阵Ⅰ；同时将最大曲率值对应的是第几个方向存入一个M×N的二维矩阵Ⅱ；从而得到位于该窗口中心点的最大曲率和方向场值；

S7、根据步骤S6所述以8个方向的曲率模板为一次遍历，对扩充后的手指静脉图像进行整个遍历，得到大小为M×N的手指静脉图像曲率空间场图，其的方向场值为1至8；同时得到大小为M×N的最大曲率图像；

S8、将S7得到的手指静脉图像曲率空间场图中每个点的值扩大10倍，使得其的方向场值10至80；

S9、计算待识别手指静脉图像的曲率空间场和数据库中模板的曲率空间场的差值；

S10、修正方向差能够减小步骤S9计算出的两幅手指静脉图像曲率空间场差值的误差，因此对差值进行修正；

S11、将修正方向差后的均值作为两幅手指静脉图像的相似度；

S12、匹配识别，其中T为实验得出的两幅手指静脉图像的相似度阈值；小于T认为是同类手指静脉图像，否则认为是非同类手指静脉图像；

2.根据权利要求1所述的一种基于二维高斯最大曲率识别手指静脉的方法，其特征在于步骤S2所述的二维高斯函数水平方向一阶导数Gx(x,y)、垂直方向的一阶导数Gy(x,y)、水平方向二阶偏导数Gxx(x,y)、垂直方向二阶偏导数Gyy(x,y)和二阶混合偏导数Gxy(x,y)如公式2-6所示：

3.根据权利要求1所述的一种基于二维高斯最大曲率识别手指静脉的方法，其特征在于步骤S3所述的二维高斯函数8个方向的一阶方向导数Gθ(x,y)、二阶方向导数Gθθ(x,y)，如公式7-8所示，其中x∈[-w,w],y∈[-w,w]，θ∈[0°，22.5°，45°，67.5°，90°，112.5°，135°，

157.5°]

Gθ(x,y)＝Gx(x,y)cosθ+Gy(x,y)sinθ  (7)

4.根据权利要求1所述的一种基于二维高斯最大曲率识别手指静脉的方法，其特征在于步骤S5所述的根据曲率公式求出8个方向的曲率模板如下，其中x∈[-w,w],y∈[-w,w]，θ∈[0°，22.5°，45°，67.5°，90°，112.5°，135°，157.5°]；

5.根据权利要求1所述的一种基于二维高斯最大曲率识别手指静脉的方法，其特征在于步骤S6所述的二维矩阵Ⅰ与原始手指静脉图像大小对应，最大曲率值在二维矩阵Ⅰ存入的位置与该最大曲率值对应的中心点位置相同，矩阵Ⅰ的存入值如式10所示；所述的二维矩阵Ⅱ与原始手指静脉图像大小对应，最大曲率值对应的是第几个方向在二维矩阵Ⅱ存入的位置，与该最大曲率值对应的中心点位置相同Ⅰ(i,j)＝max[q1(i,j),q2(i,j),q3(i,j)…q8(i,j)]  (10)。

6.根据权利要求1所述的一种基于二维高斯最大曲率识别手指静脉的方法，其特征在于步骤S9所述的差值计算如下：ΔD(m,n)＝abs(D(m,n)-Di(m,n))  (11)。

7.根据权利要求1所述的一种基于二维高斯最大曲率识别手指静脉的方法，其特征在于步骤S10所述的对差值进行修正，具体如下：

8.根据权利要求1所述的一种基于二维高斯最大曲率识别手指静脉的方法，其特征在于步骤S11所述的相似度计算如下：