指纹唯一性和终生不变性的特征使其成为理想的身份确认工具。随着计算机与信息处理技术的飞速发展，指纹识别作为是生物特征识别领域中应用最广泛的技术之一，目前普遍应用于身份验证和识别领域，特别是在电子商务、犯罪识别、信息安全等领域广泛的应用。因此，对自动指纹识别的研究具有重要的学术价值和实用价值。 在指纹识别的研究中，虽然已有许多算法，但是仍存在值得研究的问题。本文对指纹图像库的建立、预处理、特征提取和分类等问题进行了研究，其中重点讨论了指纹分类，提出了两种方法。主要研究工作概括如下： 1．采集指纹原始数据，建立了一个容量为4000枚指纹图像的指纹模板库。本指纹库使用图像及其特征信息的存储路径作为数据成员，减小了数据的容量以便提高检索的速度。结合本文的分类算法具体实现了一种新型的指纹数据库多级检索方法，该方法比使用指纹纹形、脊线数目和指纹码多级检索方法的速度快26.4％。 2．预处理阶段，分析对比了Gabor滤波算法，选择自适应的指纹图像增强滤波器进行图像增强，同传统的Gabor滤波器相比，该方法具有产生虚假纹线少，时间开销小等优点。 3．基于支持向量机理论，提出了两种指纹多类分类的方法并且编程实现，研究初期设计了一个粗细两级分类系统，根据1-a-r的多类分类思想，使用了五个支持向量机。该分类系统较大幅度的提高了正确率，平均分类正确率可以达到96.4％。但是在分类的过程中，由于使用支持向量机的数目较多，影响了分类的速度。因此在进一步的研究工作中引入二叉分类树决策理论对分类系统改进，提出了一种二叉树和支持向量机理论相结合的方法。该方法简化了整个分类系统的结构框架，仅仅在次级子节点的二类分类中使用支持向量机，将支持向量机的数目由原来的五个减少为三个，大大提高了分类的效率，将分类的正确率提高到97.9％。 指纹分类环节是本文重点研究的工作。在支持向量机的理论基础之上，对指纹多类分类领域进行探索。使用1-a-r的多类分类理论和二叉树理论同SVM