生物特征识别是一种利用个体生理特征来对个体进行身份鉴定的技术，指纹由于其唯一性和终生不变性特征而成为理想的个体身份鉴定依据。近年来，随着计算机与信息技术的发展，指纹识别作为生物特征识别领域中一门成熟的应用技术逐渐被广泛用于个体身份验证和鉴定。因此，对指纹识别的研究不仅具有重要的学术价值，而且具有广阔的应用前景。本文分别介绍了自动指纹识别系统中的图像增强技术和特征提取方法，并对指纹匹配过程进行了综述和重点讨论。现有的指纹匹配算法多种多样，其中基于细节点模式的匹配方法历史最为悠久，其性能上也占有相对优势。本文详细介绍了一类最具代表性的细节点模式匹配算法——基于细节特征串距离的匹配算法。由于该类算法在提取基准点时需要对所有细节点对进行试探计算，因此导致了相对较大的计算代价。针对该类算法的这种不足，又由于结构化的方法可以实现较高的匹配精度，本文提出只在指纹的局部区域提取基准点，并在提取基准点时引入结构化的方法。基于上述考虑，本文提出基于基准点的结构化细节特征匹配算法。首先提取指纹图像的奇异点(中心点和三角点)，然后在指纹图像的中心区域选择若干细节特征点，并为这些细节特征点分别构造局部结构，最后根据这些局部结构的匹配结果实现基准点的精确定位。另外为了对部分非真匹配的情况做出快速处理，本文引入了一个新的细节点描述属性。在实际匹配时，本文算法首先对这一新引入属性进行比较，然后在此基础上利用界限盒的方法实现指纹的最终匹配。为了测试提出算法的匹配性能，本文在FVC2000提供的四个公开指纹库上根据其测试标准进行了实验，并将实验结果与基于串距离的匹配算法进行比较，实验结果显示提出算法的平均注册时间和平均匹配时间均低于基于串距离的匹配算法，匹配精度总体上优于原算法。