自动指纹识别系统是基于计算机来进行指纹识别的技术,具有方便、高效、可靠等优点,在金融安全、数据加密、电子商务等各个领域都得到了广泛的应用,并将在我们的生产和生活中发挥越来越重要的作用。本文重点研究了指纹图像特征提取和匹配算法两大部分,主要工作如下:针对细化图像纹线修复步骤繁琐的问题,采用了改进的细节点提取算法。首先,采用模板检测法对未经纹线修复的细化指纹图像直接提取指纹的原始细节特征点集。然后分析了图像中存在的各类噪声及其特点,总结伪特征点的分布规律,并结合局部纹线方向,提出了针对性的策略,去除伪特征点。指出了遗传算法(GA)和反向传播算法(BP)的优缺点,并研究了将GA与BP网络结合,快速、高效地训练神经网络的混合智能学习方法。仿真实验证明了该方法收敛速度快,易达到最优解,具有一定的实用价值。提出了一种细节点和方向场相结合的智能指纹匹配算法。局部特征匹配阶段,采用了改进的局部特征向量匹配算法,使用可靠性较高的分叉点构造局部特征向量进行点模式匹配并定位参考点;采用方向场作为全局特征,依据参考点对指纹方向场进行对齐后,将方向场的一致性作为全局匹配分数;用GA与BP相结合的智能学习方法对网络进行训练,训练时的网络输入为细节点匹配分数和方向场匹配分数,输出为组合匹配分数(0或1)。指纹识别阶段采用适当的阈值进行决策。实验证明,本文提出的全局和局部特征相结合的智能指纹匹配算法能满足一般密码登录的需要。