指纹分类工作中最朴素的分类方法是通过指纹脊谷线流向以及奇异点数量/位置信息对指纹类别进行判断。但受到指纹图像质量的影响这些信息难以准确地获得。故能否准确地提取方向场和奇异点信息,或是提取其他既能准确描述指纹类别又鲁棒的特征成为目前指纹分类研究的重点。本论文就指纹分类算法的特征提取工作展开研究,旨在获得对指纹类别具有描述力的特征,以提高指纹分类的精度。主要研究内容包括:(1)受FingerCode特征提取方法的启发,提出了一种称之为大尺度方向场描述子的分类特征提取新方法,该方法以指纹核心点为中心构造大尺度环形网状结构,通过抽取网状结构中节点处的方向来形成特征向量,以达到近似描述核心点周围的方向模式的目的。实验结果表明:相较于FingerCode特征提取方法,新方法在保证分类准确率的同时,由于特征提取方式更为简单、高效,分类速度提高了近20倍。该特征提取方法在实际应用的改进——自适应的方向场描述子,调整环状结构以保证提取可靠的分类信息,在保证了一定的分类精度的同时,增强了特征提取过程对不同数据库中指纹图像的兼容性。(2)减少指纹图像预处理步骤对分类特征提取方法的影响,提出基于DCT的指纹分类特征提取方法,该方法计算动态分割过的指纹图像梯度场水平与垂直分量,通过提取这些分量DCT响应的低频部分作为分类特征,以近似表示指纹图像的全局方向场,避免了方向场描述子以及其他提取方法对预处理步骤依赖过高的问题,且实验表明该方法应用于指纹分类工作中具有很好的分类精度与鲁棒性。针对实验中存在的误分类情况,利用一个多段式的分类方法,在DCT方向场特征无法准确描述指纹类别的情况下,进行二次分类,通过更高的穿透率提高分类准确率。