指纹识别技术是到目前为止各种生物认证技术中发展最早、应用也最广泛的技术。但随着需求的增加,人们对指纹自动识别系统性能的要求也不断提高。　　本文的工作是在前人已有研究工作的基础上,对系统中存在的一些问题进行了分析,并对指纹图像分割、增强以及指纹分类、匹配等问题进行了研究,取得了一些研究成果。　　全文内容共分七章:第一章为绪论;第二章是指纹方向图求取;第三章是指纹图像分割;第四章是指纹分类;第五章是指纹图像增强;第六章是指纹匹配;第七章为结论与展望。涵盖了指纹图像分类、方向信息提取、指纹图像分割、指纹图像细化和细节点提取、纹理特征提取、基于信息融合的指纹匹配等内容。本文的主要研究内容和创新点包括以下几方面:　　(1)指纹的方向图与纹线间距为指纹图像的首要特征,这些特征对后续指纹图像的分割、增强、分类等环节至关重要。分析了指纹分块灰度特征,并采用主分量分析算法对灰度特征进行压缩降维。利用压缩后的特征数据对人工神经网络进行训练,应用训练后的网络求取指纹方向图。该方法所求取的方向图可以应用于后续阶段,算法的性能得到了实验验证。　　(2)提出了一种基于模糊聚类确定阈值的方法应用于指纹图像分割。在此节中,对用于指纹分割的特征进行了相关性分析,选取了计算效率高分割效果好的特征来分割指纹。同时采用模糊聚类的方法确定分割阈值,自适应的把各指纹块划分为质量较好,质量不好但可以通过算法恢复,以及质量太差无法恢复等三种区域。实验结果表明,该方法是一种有效的分割方法,为后续步骤的处理打下了基础。　　(3)本文深入研究指纹分类算法,在分析、比较现有的指纹分类算法基础上,提出了一种二级分类算法。即利用模式区内奇异点信息,首先对指纹进行一级分类,传统的分类体系中各类分布不均衡,导致查找效率较低。为了克服这一缺陷,利用独立分量分析算法提取特征指纹,将欲分类的指纹投影到特征指纹张成的空间中,利用系数向量对指纹进行二级分类,使指纹分类更加合理有效。　　(4)对指纹图像的增强算法进行了研究。