随着信息时代的发展,生物识别技术已成为身份识别的热门技术,自动指纹识别技术作为其中很重要的一个分支,已经广泛地应用于公安、海关、银行、网络安全等需要进行身份识别领域。但由于指纹图像的噪声和皮肤弹性等因素影响,并且需要进行大量的指纹匹配处理,自动指纹识别系统存在识别率不高、运算速度慢等问题。本文试图将神经网络技术与模式识别技术相结合,提出若干行之有效的新方法,为解决指纹自动识别技术中存在的困难找到切实可行的新途径。概括起来,本文主要对指纹识别系统的如下几个方面进行了深入研究。在指纹图像的预处理技术的研究中,在对原始的指纹图像进行了图像增强后,采用方向滤波实现了指纹图的前景和背景的分离;综合了指纹图像局部灰度方差分割算法和指纹图像方向信息分割算法,加以改进后提出了一种新的复合算法,有效实现了指纹图像的分割;对指纹图像的细化技术进行研究,在比较、优化后,采用相应的算法对纹线进行了修复和去噪处理。经过预处理以后,指纹图像质量得到了明显的提高,较好地满足了后续工作的需要。在特征提取技术研究中,本文分别提取了指纹的分类特征和识别特征。采用新颖的全局特征用于神经网络指纹分类,而提取指纹的局部细节点特征作为神经网络指纹识别的特征,从而达到有效提高整体识别性能的目的。在指纹分类和识别方法研究中,本文提出了一种基于BP神经网络的指纹识别算法,在不同阶段采用神经网络模型分别对指纹进行分类和识别。实验结果表明,该方法取得了较好的识别结果。最后简单介绍了基于CPLD的BP神经网络硬件实现。本文深入地研究了自动指纹识别中图像预处理、特征提取和指纹识别方法的理论和技术,重点研究了指纹图像的二值化处理、特征提取和指纹分类、识别等算法,为进一步开发具有商业价值的自动指纹识别系统提供了理论依据和技术基础。