指纹识别技术自19世纪进入科学研究领域以来,已发展成为一项较为成熟、应用广泛的生物识别技术。与此同时,指纹识别技术仍然面临挑战。一方面,在实际应用中,仍存在大约10%的低质量指纹严重地影响了现有自动指纹识别系统的识别准确率。另一方面,随着各应用领域对安全性、可靠性和准确性要求的提高,也迫切需求指纹识别技术的进步和完善。因此,从指纹识别技术的长远发展和应用来看,对低质量指纹图像的研究具有重大的意义。自动指纹识别系统主要由指纹预处理、细节点提取和细节点匹配三个模块构成。本文围绕指纹预处理模块中较为关键的增强算法,以及细节点匹配模块进行深入研究。主要工作与成果包括如下两个部分：1、深入研究了目前具有代表性的指纹增强算法,包括基于方向性的傅里叶域滤波器算法、基于Gabor滤波器的增强算法、基于Poincare值的奇异点区域增强算法等。深入分析了基于Gabor滤波器的增强算法的原理和局限性,在此基础上提出了利用短时傅里叶变换进行频域分析,并结合概率分析的算法来计算Gabor滤波器的两个关键参数——方向和频率。该算法能够同时获得这两个参数的数值,避免了原算法中计算方向和频率时的前后依赖关系以及误差的传播,相比于原算法能够得到更加准确的计算结果。对本文算法进行仿真,并运用于FVC2004的低质量指纹库,可以改善图像的质量,并使得指纹的识别准确率有了较大的改善。本文算法将原算法的平均错误率由12.5%降低至11.5%,降低了8%。2、深入研究了目前具有代表性的基于细节点的指纹匹配算法的原理,并对这些算法进行了归纳和总结。重点分析了基于图论和广度优先搜索的k-plet匹配算法的原理。在此基础上,对该算法进行了仿真,并与NFIS系统中的bozorth匹配算法分别运用于FVC2004低质量指纹库,进行比较。实验结果表明,本文采用的k-plet匹配算法对于低质量指纹具有较高的识别准确率,其平均错误率为12.7%,相比于bozorth匹配算法13.4%的平均错误率降低了5.22%,体现了较大的优越性。