随着社会的快速发展,人们对安全的要求越来越高,尤其是在涉及国家安全、金融、政法、电子商务等行业或领域时显得尤为重要。在这种情况下,就需要一种安全可靠的认证方法。生物特征识别技术是凭借对人体固有的生理和行为特征的理解从而进行识别认证的技术,具有极大的优越性和可靠性。与其它的生物特征识别相比,指纹凭着其极好的唯一性和不变形特点,在各个行业和领域得到了广泛的应用和发展。　　目前,不论是市场上流行的接触式指纹识别系统还是科研领域正在研究的多通道识别系统发展的都很快。不论是在接触式采集时由于压力、皮肤等问题采集的低质量接触式指纹,还是在非接触式采集的由于对比度、光照等问题的非接触式指纹都存在质量的问题,对特征提取和匹配有很大的影响。另外,对于多通道识别,其通道的融合技术是系统的关键一步,现在的均值或线性等融合方式都只是融合了各个通道的最后匹配结果,缺乏先验的图像信息融合。　　为了解决这个问题,本文在目前较为流行的Gabor增强技术的基础上，提出了自适应方向的Gabor指纹增强技术。Gabor是一种加窗的傅立叶变换,具有时域频域的统一性,其方向参数决定了滤波的方向,因此正确的滤波方向对结果非常重要。本文通过检测指纹拐角和断裂区域来缩小和放大窗口,传给Gabor更准确、更可靠的方向值,从而得到指纹图像的增强效果。对于多通道指纹识别系统,本文提出了神经网络的融合方式,将通道的匹配结果和先验的特征信息作为输入,从而训练出更合理的网络结构。　　本文分别对接触式指纹和非接触式做了实验,接触式指纹我们采用的是FVC2002和FVC2004的样本,非接触是基于我们构建的指纹数据库。通过对比没有增强、Gabor增强和自适应方向的Gabor增强的效果,可以得到自适应的方法对图像的质量有很大的提升。在非接触指纹库中,除了图像增强之外,本文还提出了神经网络的通道融合算法,提高识别的合理性,通过ROC曲线显示了系统识别率的提高,有效的增强了指纹识别的准确性和鲁棒性。