生物特征识别技术是根据每个人独有的、可以采样和测量的生物学特征或行为学特征进行身份识别的技术,相对于已有基于持有物(如护照、驾驶证)和基于知识(如密码、个人身份识别码)的传统身份识别方法,该技术具有更好的识别能力及可靠性,因而被广泛研究和运用。自动指纹识别系统由于其体积小,成本低,易操作,可靠性高等优点越来越受到人们的青睐,成为最重要的生物识别技术之一。本论文针对自动指纹识别系统中指纹图像分割、指纹方向场计算、指纹奇异点检测、指纹图像细化、指纹匹配等关键问题进行了研究,并取得了以下研究成果:1,在指纹图像分割方面,主要做了两部分工作:1)提出了一种称之为有效点聚集度的指纹图像分割特征;2)依据有效点聚集度及已有的块聚集度特征,提出了一种有效的指纹图像分割方法,该方法首先采用有效点聚集度对指纹图像做粗分割,然后对粗分割结果采用基于迭代的方法进行后处理,接着运用块聚集度在第一次后处理结果的基础上做细分割,最后采用形态学方法对细分割后的结果做第二次后处理。大量实验证明:相对于已有常用的指纹图像分割特征,有效点聚集度具有鉴别能力强、鲁棒性好、分割出的前景、背景区域较为集中的特点;基于有效点聚集度及块聚集度提出的指纹图像分割算法具有较高的准确性及较强的适应性。2,在指纹方向场计算方面,主要作了两个部分的工作:1)针对基于梯度的指纹方向场计算方法中存在的点梯度向量归一化、块窗口大小选择及进一步增强抗噪声能力等三个关键问题进行了讨论、研究,并对每个问题提出了本章的解决方案;2)基于上述改进方案,系统地提出了两种改进的基于梯度的指纹方向场计算方法,即基于多尺度融合的指纹方向场计算方法、基于复合窗口模版的指纹方向场计算方法。实验验证了提出算法的有效性。3,在指纹奇异点检测方面,在指纹方向场分割的基础上提出了一种称之为方向丰富度的特征,并据此形成了一种新的指纹奇异点快速检测方法。该方法首先将指纹方向场分割为一系列互不重叠的同质区域;然后通过同质区域边缘检测及边缘端点提取实现了奇异点快速定位;最后依据奇异点处方向丰富度特性判断其类型。与目前占据绝对主流的poincare index方法在FVC2002指纹库上的对比实验表明:在准确性方面,两者各有优、缺点,提出方法的误检率明显低于后者,漏检率略高于后者;在简单实用性方面,提出算法的平均运算速度是后者的17.4倍,具有明显优势。4,在指纹图像细化方面,针对已有OPTA算法(One Pass Thinning Algorithm)存在细化质量与细化速度不能兼顾的缺陷,提出了一种基于优化模版的指纹图像快速细化算法。该算法主要做了两个部分的工作:在已有消除模版和保留模版的基础上提出了组合模版,有效地提高了模版匹配速度;针对组合模版进行了进一步优化,解决了细化质量与速度之间的矛盾。大量实验表明,提出的改进算法在确保细化质量的同时,细化速度较之已有算法进一步提高了3～6倍。5,在指纹匹配方面,主要做了两个部分的工作:1)发现已有基于方向的细节点描述子(Orientation based Minutia Descriptor,OMD)存在旋转相关的问题并通过改进OMD相似度计算方法有效地解决了该问题;2)提出了一种基于多级验证模式的指纹匹配方案,并给出了一种实现案例,其主要过程为:首先基于细节点的OMD特征进行局部匹配获得粗糙参考点对集;其次构建高层次的细节点局部拓扑结构,分级验证粗糙参考点对集获得精炼参考点对集;最后对粗糙参考点对集中未被选入精炼点对集的参考点对,基于精炼参考点对集构建其高层次的细节点局部拓扑结构进行再次验证以获得最终参考点对集。实验验证了该方案的有效性。