生物特征识别是一种利用人的生物特征,如指纹、掌纹、步态、声音和面相等特征,来进行身份识别的技术,而指纹则是各种生物特征中最典型、应用也最广泛的特征之一。常见的指纹识别系统会涉及到指纹增强、指纹方向场计算、特征提取、特征匹配和模式分类等技术。近几年来,尽管与指纹识别相关的技术和应用研究已经得到了长足的发展,但仍然还存在一些尚未被解决的问题,这使指纹识别系统的进一步推广受到了较大限制。目前仍然有许多科研机构都在积极探索指纹的新技术和新应用,取得了许多有价值的研究成果,这些成果将会使指纹在身份认证领域的应用前景更加广阔。本文首先对传统的脉冲耦合神经网络(PCNN,Pulse Coupled Neural Network)进行了研究,提出了几种改进的模型如“M-PCNN”、“I-PCNN”和“TB-PCNN”等,在这些模型基础之上,为PCNN开发了一些新图像处理应用,如混合噪声滤除。本文对PCNN的高维形态进行了初步研究,设计了一种能够兼容传统二维网络的高维统一模型,此外还对这种模型的网络结构、神经元的连接输入、活性调制、脉冲发生规则等进行了讨论,并对高维网络的脉冲特性进行了试验仿真。以各种类型的PCNN为基础,为指纹识别系统中的关键处理模块提出了一些新的处理算法,主要包括“指纹脊线增强”、“指纹的方向场估计”、“二值指纹图像细化”和“指纹模式分类”,并在这些基本的处理算法基础之上,展示了在研究过程中开发的一套指纹系统综合平台软件,该软件系统主要由终端工作站软件(FS-Client)和中心服务器软件(FS-Server)这两个部分组成,该平台上的基础算法库可以不断扩展,指纹处理流程也可以灵活配置。这个平台软件的应用范围也很灵活,既可作为研究过程中新算法的测试平台,也可配置为具体的应用系统,如指纹门禁考勤系统等。本文内容主要包括:第一章概述了指纹识别的背景和研究意义,分析了国内和国际上指纹识别技术的研究现状、相关的典型算法和评估方式,并介绍了在本文中频繁出现的脉冲耦合神经网络模型及其应用情况;第二章在现有的PCNN模型基础上,针对一些新的图像处理应用特点,对PCNN的传统模型进行了改进,提出了一种基于PCNN的图像混合噪声去除方法,也对一种统一的高维PCNN进行了研究,并给出了该模型的一维、二维以及三维仿真结果,同时还对这种模型潜在的应用进行了展望;第三章提出了一种基于I-PCNN的滤波的指纹图像增强算法,并对该方法进行了仿真实验,给出了相关的测试结果数据;第四章提出了一种通过图像块主脊线和投影距离方差值来估算方向场的新颖方法,包括用PCNN来确定图像块主脊线、根据主脊线的投影距离方差来计算图块方向、以及方向场的后续校正,并给出了详细的实验结果;第五章研究了指纹图像的细化问题,提出了一个利用PCNN同步脉冲和方向约束的二值指纹图像细化算法,该方法在方向场的约束之下,先对图像进行粗细化后再进行精修剪;第六章提出了两种指纹模式分类方法,一种利用PCNN和LVQ,另一种主要通过多层树形SVMs来分类;第七章设计实现了一种算法库可以灵活扩展的指纹系统平台,该平台模块间接口稳定,能够增加新的算法模块:最后一章归纳总结本了本文的主要工作,并对生物特征识别技术领域的前沿热点问题和后续研究进行了展望。