指纹识别技术,作为一种通过计算机实现的身份识别手段,是当今社会应用最为广泛的生物特征识别技术之一。在指纹样本的采集过程中,由于指纹可能存在干燥、划痕等因素影响,获取的指纹图像会发生一些类内变化,从而影响指纹识别系统的性能。为了适应指纹的这些变化,本文进行了一些相关研究。首先,本文阐述了应用于指纹识别领域中的指纹模板更新方法和模板替换方法。其中,模板更新方法主要是选择出具有代表性的指纹模板,能够更好地适应指纹发生的类内变化。而指纹模板替换方法是在指纹模板库存储量有限的环境下提出的,在模板不断更新的过程中,当模板数量达到了最大存储量,就需要采用相应的模板替换方法,用新的模板替换掉不具有代表性的模板,也是为了使指纹模板库更具有代表性。然而,当一个待识别样本与指纹库中的所有模板进行匹配,可以得到一组匹配分数集合,采用上述方法进行指纹识别时,只利用了最大匹配分数来确定用户的身份,并没有用到剩余的匹配分数,这样做并没有充分利用整个匹配分数集合的信息,可能会影响指纹识别系统的识别率。接着,本文对基于FSS的指纹识别方法进行改进,引入了半监督学习范式,利用大量未标记样本来改善指纹识别系统的性能。在模式应用中,需要大量标记样本来设计高精确度的分类器,而收集这些样本十分困难；但是收集未标记样本十分容易,并且代价较低。因此,同时使用少量的标记样本和大量的未标记样本进行学习的方法是值得尝试的。利用大量未标记样本,很好地适应了指纹图像发生的变化,从而提高了指纹识别系统的性能。最后,本文提出一种基于半监督FSS的指纹识别方法,不断优化每个用户的FSS Center。该方法分为两个阶段：注册阶段和识别阶段。在注册阶段,采用基于FSS的指纹识别方法训练每个指头的FSS Center;在识别阶段,利用大量未标记样本,在半监督学习框架下不断地优化FSS Center,使更新后的FSSCenter能够更好地代表相应用户的身份。在DIEE指纹数据库中进行验证,该方法可以提高指纹识别系统的性能。