随着社会的发展与进步，身份识别在各个领域得到了越来越广泛的应用，如何准确且有效的对其进行身份认证则成为了一项热门的研究课题。因此，生物识别中的指纹识别技术得到了越来越多的研究者们的重视。在实践过程中，由于采集设备的参数调节有误或者是指纹图像本身质量差，对指纹识别系统中的算法提出了更高的要求。本文在研究小波理论与模式识别的基础上，利用小波的特性对指纹图像进行图像增强和特征提取，结合概率神经网络的方法对指纹特征进行匹配，进而得到一套完整指纹识别算法。本文的主要研究内容分为指纹预处理、指纹特征提取和指纹特征匹配三个部分。指纹预处理部分主要是对图像进行增强，方便后续的特征提取与匹配，其主要工作是指纹图像的规格化及均衡化、图像增强、图像的二值化以及细化等，其中，指纹增强是基于小波变换的自适应阈值方法。指纹特征提取部分主要是提取特征向量，其主要工作是对指纹图像选定的待识别区域进行四层小波变换，提取一对12维的特征向量。指纹特征匹配部分是对提取的特征向量与指纹数据库进行匹配，其主要工作是应用概率神经网络的方法将其匹配，基于概率密度函数估计和贝叶斯决策里理论的概率神经网络识别模式，对其平滑因子进行最优值搜索。最后，本文对基于Daubechies(dbN)系列小波基的指纹识别算法进行了大量实验论证，并对该算法的识别率、拒识率、误识率、识别时间等性能因素进行分析比较。