1.一种基于多尺度局部特征融合的手指静脉识别方法，其特征在于包括如下步骤：S1、采集红外指静脉图像，将指静脉图像用双线性插值方法进行尺度归一化，尺寸大小为R×C；

S2、将归一化后的指静脉图像等分成m×n块，大小为 的图像块，对每个图像块统计直方图得到图像块的灰度级，然后对每个图像块的灰度级进行自适应直方图均衡；

S3、构建方向模板，然后通过方向模板计算得到方向特征编码矩阵；

S4、提取指静脉图像的局部静脉方向特征，设Hk(i,j)为中心点(i,j)在k方向模板下的方向响应值，先计算经过归一化均衡后的指静脉图像的8个方向的方向响应值；然后对8个方向的方向响应值以大小为p×p的窗口计算均值，得到各个方向上的多尺度方向特征响应值H'k(i,j)；最后对获得的8个方向的多尺度方向特征响应值进行比较，选取最小的多尺度方向特征响应值所对应的方向，作为中心点(i,j)的多尺度局部方向特征Dire(i,j)，即局部静脉方向特征；

S5、提取经过归一化均衡后的指静脉图像的局部纹理细节特征，对指静脉图像的中心点(i,j)所在区域求得中心点均值imgave(i,j)：将多尺度方向特征响应值H'k(i,j)的均值与中心点均值imgave(i,j)做比较，得到中心点(i,j)的局部纹理细节特征；

S6、对局部静脉方向特征和局部纹理细节特征用加权的方式进行匹配，即将特征提取后得到的局部静脉方向特征和局部纹理细节特征计算汉明距离，通过最优权值加权的方式进行融合得到最终匹配值，在识别的时候，当最终匹配值Dis(P,Q)＜t，则说明是来自同一个用户的手指静脉图像；其中t为设定阈值。

2.根据权利要求1所述的一种基于多尺度局部特征融合的手指静脉识别方法，其特征在于步骤S4的具体实现如下：所述的8个方向的方向响应值计算如下：

式中imgm,n为直线Xk上的点，m,n为直线Xk上的点的坐标；

所述的多尺度方向特征响应值计算如下：

其中H'k(i,j)为k方向模板下的多尺度方向特征响应值；

所述的多尺度局部方向特征Dire(i,j)，即局部静脉方向特征计算如下：

3.根据权利要求1或2所述的一种基于多尺度局部特征融合的手指静脉识别方法，其特征在于步骤S5的具体实现如下：所述的中心点均值imgave(i,j)，具体如下：

所述的中心点(i,j)的局部纹理细节特征，具体如下：

其中Deta(i,j)为多尺度局部纹理细节特征；

所述的ψ(x)为中间变量，具体如下：

4.根据权利要求3所述的一种基于多尺度局部特征融合的手指静脉识别方法，其特征在于步骤S6的具体实现如下：所述的最终匹配值计算公式如下：

其中，P为手指静脉模板图像数据库中某个用户的多尺度局部融合特征的编码矩阵，Q为未知用户的多尺度局部融合特征的编码矩阵，PN和PL分别代表编码矩阵P的局部纹理细节特征二进制编码矩阵和局部静脉方向特征二进制编码矩阵，QN和QL分别代表编码矩阵Q的局部纹理细节特征二进制编码矩阵和局部静脉方向特征二进制编码矩阵，P∩Q为编码矩阵P和编码矩阵Q的重叠区域，|| ||为计算重叠区域内的像素点数量，hamdist为计算两个编码矩阵重叠区域的汉明距离，即在同一位置上的元素二进制不同数量和，α为特征值匹配融合的最优权值。

5.根据权利要求1或4所述的一种基于多尺度局部特征融合的手指静脉识别方法，其特征在于步骤S1所述的双线性插值方法的形式化表达式如下：其中，f(x,y)为点P所对应的插值后的点P的像素值，其中Q11,Q12,Q21,Q22分别对应点P周围的点；f(Q11)、f(Q12)、f(Q21)、f(Q22)、f(Q22)分别为点Q11,Q12,Q21,Q22对应的像素值，(x1,y1),(x2,y2)分别为像素值Q11,Q22对应的点的坐标。

6.根据权利要求5所述的一种基于多尺度局部特征融合的手指静脉识别方法，其特征在于步骤S3具体实现如下：设方向模板为Y，窗口大小为N×N,表示窗口内有N×N个像素点，定义：Xk＝{(i,j)|j＝F(i-ic)+jc,i∈[1,N]}          (2)Xk表示为由方向模板Y内一条直线；该直线Xk是由点组成的集合，(ic,jc)为方向模板Y的中心像素点，F为直线Xk的斜率，k为直线所代表的的方向，有F＝cosk。