由于人类的指纹具有唯一性、终生不变性以及与主体不可分离等特性,满足身份识别系统的基本要求,因此,基于指纹特征的身份识别技术备受研究者关注。指纹识别技术在各种安全领域都取得了相应的应用,已经成为当今使用最为广泛的生物特征识别技术之一。但是,在非理想的情况下,指纹识别系统的性能还存在诸多问题,例如,过干或过湿的指纹造成的纹线断裂或粘连,采集时手指按压的力度和方向不一造成的畸变,都给指纹识别带来困难。因此,从低质量指纹的预处理技术,到大容量系统的实时性,指纹识别系统尚存在大量的关键技术有待解决。本文在系统的分析理解现有研究成果的基础上,拟对指纹图像的预处理技术、指纹图像的数据降维和特征匹配等算法,提出自己的见解与改进。指纹的预处理系统主要包含指纹的增强、分割、二值化、细化、指纹质量评估等模块。本文将对指纹预处理中的主要步骤进行详细的阐述和分析,并实现或改进上述部分算法,给出实验结果。图像的数据降维是指将源数据向量从高维空间映射到低维空间中,通过保留最重要的或者最能体现个体差异性的成分,使得降维后的数据能够最大程度的保留原高维向量的特征或某一个方面的特性。本文对图像降维中的PCA和2DPCA等常用算法进行了分析和研究,并结合样本类别信息对2DPCA算法进行了改进。指纹识别系统中的匹配算法主要分为基于细节信息和基于全局信息两种模式。本文首先对传统的基于细节信息的点模式指纹匹配算法进行了论述和分析;然后对图像降维的方法及其在指纹识别中的应用进行了研究;最后提出了一种基于图像降维的双模式指纹识别算法。该算法兼具两种匹配模式的优点,能够在一定程度上加快指纹匹配的速度,提高指纹匹配的准确率。本文的主要工作与贡献:(1)本文重点阐述了一个完整的双模式指纹识别系统的算法流程与具体实现过程,在分析理解现有算法的基础上,对部分算法做出了改进。(2)对指纹的预处理算法进行了较为深入的研究,对以下算法进行了改进:①针对指纹图像的分割,提出了一种新的获得局部阈值的算法;②针对指纹图像的均衡化,提出了一种效果较好的分块均衡化算法;③针对指纹图像的细化,提出了一种有效的快速细化算法;④针对指纹图像的中心点定位,采用了一种基于块方向图点集的算法。(3)研究了基于2DPCA的图像降维算法,并对其进行了改进,设计了一种基于样本类别信息的2DPCA算法。(4)针对指纹图像的特点,将改进后的2DPCA算法应用于指纹识别,形成了一种基于改进2DPCA的指纹识别算法。(5)将基于细节信息的点模式匹配算法与基于全局信息的改进2DPCA匹配算法相结合,设计了一种基于图像降维的双模式指纹匹配算法。