目前,随着计算机技术的不断发展,生物特征识别技术也有了史无前例的进步。由于指纹具有唯一性和永久性的特点,指纹识别技术已经成为了生物特征识别技术领域里的一枝独秀并且成为了最常用的身份鉴别手段。现如今,社会上使用的自动指纹识别系统一般采用的是接触式方式。这种采集方式的指纹图像很容易受到环境的影响。例如由于压力问题使得指纹变形或者传感器上遗留了残影等等,这些都会给指纹匹配带来麻烦。为了从根本上解决这一难题,非接触式的采集方式被提了出来。本文正是研究了非接触式采集的指纹图像,并提出了相关的算法。但是非接触式采集的指纹图像也存在一定的质量问题。本文即针对非接触式采集方式的指纹图像存在的低对比度、低清晰度等问题提出了相应的图像预处理,特征提取和匹配算法。其中比较重要的预处理算法有:曲波去噪、局部自适应二值化和Gabor增强。曲波变换是一种具有带通、多分辨和方向性的函数分析方法。该方法能够突出曲线边缘和增强纹理的间隔,特别适用于指纹图像。更重要的是本文处理的非接触式指纹图像存在低对比度的问题,即指纹的脊线和谷线的灰度值对比不强,甚至是灰度值有重叠。而采用曲波变换来对这类图像进行处理能够有效地解决低对比度的问题。对于本文处理的非接触式指纹图像,全局二值化不能够得到脊线和谷线分离的图像,于是本文采用了局部自适应二值化方法。该方法对每一个小窗口采取了 OSTU算法来确定没一个阈值,最终得到了脊线与谷线显著分离的指纹图像。由于图像仍然存在指纹纹线断裂和噪声等问题,所以本文采用了 Gabor增强算法来弥补断裂和去掉噪声。该方法的最大特点是具有方向选择特性和频率选择特性,对于指纹图像这类具有很强纹理特性的图像来说,Gabor滤波器能够很好地在纹理的方向场上增补断裂并且在频率方向场上增强纹理的间隔。指纹图像的特征有很多,其中最具有代表性的特征为细节点特征,包括了指纹端点、分叉点、中心点和三角点等等。由于本文提取的有效指纹区域较小,所以只将指纹的端点和分叉点作为待提取的特征点。在匹配过程中,首先将指纹图像配准,再利用界限盒方法将图像进行匹配,通过实验得出,匹配率和匹配速度都达到了基本要求。