随着计算机技术的飞速发展和信息技术的广泛应用,利用计算机进行身份识别的技术有了长足的发展。指纹的不变性和唯一性,使指纹识别技术成为目前应用最广泛的身份验证与识别技术之一。它涉及模式识别、图像处理、数字信号处理、人工智能等领域,是一门综合性技术,广泛应用于犯罪识别、网络安全、信息设备安全等众多领域,有着重要的理论意义和实用价值。尽管指纹识别技术目前已有多种成型产品,但因为指纹图像的噪声、皮肤弹性的非线性等因素,以及许多文献都因为商业利益而未经公开,理想的指纹识别技术依然是一个很困难的研究任务。论文主要对指纹识别技术的关键部分,包括指纹预处理、特征提取、指纹分类和匹配部分等进行了深入研究。在指纹图像预处理部分,论文对预处理的各个步骤包括规格化、图像分割、图像增强、二值化及二值滤波、细化等以及各个步骤的不同方法进行了深入的分析和比较,选择了一种图像预处理方案。在特征点信息记录部分,提出了一种将特征点之间的距离用纹线数表示的新方法,即使是特征点之间的距离产生了变化,它们之间的纹线数是不会变的,从而增加了算法的鲁棒性。在指纹分类部分,论文采用了一种新颖的基于方向图特征的神经网络分类算法,并取得了很好的分类效果。在指纹匹配方面,论文采用的是基于FBI提出的指纹细节点模型匹配算法,该算法包括三个阶段:指纹的参考点求取、特征点集校正和特征点匹配。在特征点匹配部分,传统方法通过观察两特征点到各自的参考点的距离之差是否在预设的阈值范围之内来判断这两个特征点是否匹配,由于指纹在采集中按捺的压力不同,容易造成细节特征点到参考点的距离增大或减小,从而影响匹配条件的判断。论文对传统的匹配方法进行修正,提出采用这两点与各自的参考点纹线数的差值来代替这两点与各自的参考点距离的差值。实验表明,该方法取得了较好的识别效果。