生物识别技术是通过生物特征进行身份认证的一种技术，其主要通过利用人的生理或行为特征来核对或确认人的身份。随着信息技术的发展，生物识别技术的应用领域也日趋广泛。在众多生物识别技术当中，指纹识别技术由于其独特之处，成为生物特征识别技术中用来鉴定身份最为广泛的一种方法。在识别之前，需要将整个指纹提取出来，再进行后续处理。然而，对指纹的识别是非常细致的操作，需要达到像素级别的精度，而从指纹采集仪器输入的指纹图像的过程，又往往因为被采集者指纹本身的因素，以及采集环境条件，或者是仪器本身的问题等种种原因造成图像内包含大量的噪声，从而造成图像质量严重下降。针对此，我们需要从含有噪声的图像中将需要的前景（指纹）从背景中分割出来。指纹分割的目的及意义就是将我们所需要的指纹的有效信息，从背景区域以及因为某些原因产生的模糊噪声区域分离出来，保证后续处理（如指纹特征值提取、匹配进而成功识别）能够顺利进行。目前大多数指纹图像分割都是对噪声很敏感，而指纹分割算法的好坏直接影响指纹识别系统的效率以及精确性，因此寻找一种对噪声不算敏感的分割方法，对指纹分割领域来说很有意义。本文的主要工作包括：（1）简单概述现有的指纹图像分割方法，提出了将数字信号处理中的突变原理应用用到指纹图像中的方法，基于突变信号分析原理，通过运用小波变换，检测指纹图像的指纹图像边缘点即突变点，并且标识出来。（2）使用最小二乘法，将指纹边缘进行曲线拟合，提取出指纹图像中指纹边缘，并在图像中显现出来，从而达到指纹图像分割的目的。实验结果表明新分割方法对噪声不敏感。（3）使用改进的OPTA算法，将分割后的指纹进行细化，并对细化后的结果进行了改善，具体操作如下：使用消除模版，依次检测所提取的区域，如若不符，保留该点，反之，再使用保留模版匹配对比，如果相符则保留，否则去掉。初步结果表明，细化后存在大量散点，因此为了改进效果，增加了滤过步骤，在尽可能不减少指纹有效信息的前提下，将细化后像素过小的散点从中过滤掉，优化了细化效果。（4）进行特征点提取，使用8邻域法将指纹的端点和分叉点提取出来，经过进一步的去除伪特征点操作，实现指纹特征值的提取。通过最终实验，分割结果及提取特征值的结果能够满足后续识别工作的进行。