尽管指纹识别系统的研发已取得重大进展,但是指纹识别系统的应用在目前并没有获得全面普及,因为指纹识别系统在识别准确性和识别速度上还远远不能满足很多实际应用的要求。因此,本文综合利用数字图像处理、模式识别、智能算法等方面的知识,对指纹图像分割、指纹图像增强、指纹细节点的特征提取与匹配问题和指纹分类问题进行了有益的探讨,并取得了以下研究成果:1.通过对已有的计算指纹方向场算法的分析和综合,总结出了一种基于结构张量法的快速而准确计算指纹点方向场和块方向场的方法。该方法主要利用了指纹图像的梯度信息和结构张量的性质,计算出准确的指纹点方向场和块方向场,为后续的增强算法奠定了基础。2.提出了两种新的指纹分割算法:基于梯度投影和形态学的分割算法,基于脉冲耦合神经网络(PCNN)和形态学的分割算法。这两种算法均采用了形态学算法,因此分割得到的指纹前景区域的轮廓比较光滑。同时,这两种分割算法均未涉及指纹的纹理特征(纹路的频率,灰度方差等特征),其相应的实现速度也比较快。3.在Gabor滤波增强算法的基础上,提出了一种基于一维滤波的多层次指纹增强算法。这里的多层次是指对指纹图像由粗到细的进行滤波增强:先采用块方向场进行增强,再采用点方向场进行增强。同时,用两个一维滤波器来代替一个二维的Gabor滤波器能够在很大程度上提高计算速度。4.在细节点对形成的杆模型的基础上,提出了一种基于指纹细节点的几何特征和细节点周围的纹理特征(方向角直方图)的指纹匹配算法。该算法加入细节点周围的方向角直方图作为新的纹理特征后,匹配的精度得到提高;同时,指纹的匹配时间得到减少。5.提出了一种采用指纹奇异点和模式区域的方向角直方图作为分类特征,并利用BP神经网络和SVM的多层次分类算法。采用奇异点的特征能够准确地鉴别拱型指纹,而采用模式区域的直方图作为特征能够鉴别其他的各种指纹模式。