随着计算机和图像处理技术的飞速发展，指纹提取和指纹识别技术不断完善。基于指纹自动识别的研究成果已广泛应用于人们的工作和生活中。例如门禁系统、身份识别系统、以及各类需要确定身份的场合。在指纹识别技术进入人们生活、工作的同时，低质量指纹识别技术也同样获得了学术界的广泛重视。如犯罪现场、手指油污、指纹图片破损等情形下，常用的指纹提取与识别算法一般性能不理想，正确识别率低。本论文针对低质量指纹图像展开研究工作如下：（1）本文首先对指纹的基本概念进行了介绍，阐述了传统指纹处理的主要方法；对指纹处理系统的流程进行了描述。其中包括指纹图像采集、生成指纹图像、指纹区域检测、图像质量判断、纹线方向和纹线频率估计、图像增强、图像分割、二值化、细化、提取特征点、假特征点的去除以及特征匹配等。本文主要对低质量指纹的增强、分割、细化及特征提取过程进行研究。（2）描述了两类传统的指纹图像增强技术：即时域指纹增强技术和频域指纹增强技术。由于短时傅里叶变换（STFT）在对指纹图像处理中可以快速准确地获得纹线频率参数和纹线方向参数，同时可以估算出区域掩码，对指纹的前景区域和背景区域进行分离，在速度和准确性方面具有一定优势。本文采用短时傅里叶变换（STFT）获取纹线频率和纹线方向等参数，然后利用二维Gabor滤波器方法对低质量指纹进行增强处理。实验结果表明本文的方法不仅仅在噪声抑制上具有良好的效果，同时在指纹脊线方向上具有较好的噪声保持作用,使得脊线更加分明，连接更加自然圆滑。（3）利用融合Sobel算子和Snake模型的方法来进行边缘检测，该方法不但能抑制虚假边缘，而且可实现断裂边缘的修补，从而提高信边缘检测精度。由于单纯采用Sobel-Snake算子仅能起到平滑和抑制噪声的作用，并不能实现指纹图像和背景的分离，故此本文采用二维最大熵的方法，根据给定阈值向量实现了低质量指纹的分割。实验表明：基于Sobel-Snake算子和二维最大熵分割方法不但使用起来比较灵活、简单，而且分割后的纹线比较完整和清晰，同时也解决了指纹分割中常见的虚假边缘和断裂问题，具有一定的参考价值。（4）针对指纹细化，采用了改进的OPTA算法，在不改变指纹脊线形状、走向等基本指标的前提下，寻找出指纹的细节特征。并在此基础上进行指纹特征点的提取和假特征点的剔除。