随着社会的发展,人们对于身份认证的要求越来越高,传统的身份认证方式已经不能满足人们对于身份认证安全性和可靠性的要求,基于生物识别的身份认证技术越来越广泛地应用于人们的生活中。指纹具有很好的稳定性、独特性、可采集性及容易被人们所接受的优点,已成为比较理想的身份认证方式。目前许多指纹认证产品已经被研究成功并有了较为广泛的应用,但是还不能够满足当今社会的实际需求。本文在研究了传统指纹识别方法的基础上,对于指纹图像预处理、特征点提取及匹配算法有较为详细的研究并进行了改进,主要工作如下：预处理阶段本文给出了详细的指纹图像场的计算法,并对基于灰度的指纹图像的分割算法进行了改进,同时提出了一种新的基于梯度场的指纹图像分割方法；研究与比较了基于Gabor函数的增强算法与基于方向图的增强算法,并对基于Gabor函数的增强算法进行了改进,实验证明改进的增强算法消除了处理过程中产生的块效应；对固定阈值算法、动态阈值算法及基于方向的指纹二值化算法进行了研究与比较,将动态阈值二值化算法与基于方向的二值化算法结合改进,更好地实现了指纹图像的二值化,并采用经典的OPTA算法完成指纹图像的细化处理。特征提取与匹配阶段,本文采用了基于细化图像的特征点提取方法,选取了比较方便的8邻域编码提取指纹端点和叉点,而对于中心点和三角点的提取则引用了Poincare公式。对于指纹图像的匹配模块,首先研究了基于局部场的指纹图像配准方法,在图像配准的基础上采用界限盒求取匹配阈值完成指纹匹配过程,并给出了详细的指纹图像匹配算法。本文通过VisualC++6.0编程实现了整个自动指纹识别系统的预处理及特征提取,并取得了较好的效果,为以后的特征匹配工作打下了良好的基础。