随着数字信息时代的走近,身份验证变得处处需要。生物特征识别技术也随之而产生,不断蓬勃发展,前景越发广阔。生物特征识技术是一种利用人体的生理特征进行自动个体身份鉴别的技术,相比传统的类似输入密码等身份鉴别技术具有高准确率、高鲁棒性并且不容易伪造等特点,在近年来得到了越来越多的重视。这之中,指纹识别技术因为他准确度高、采集方便等优点,已经逐渐成为个体身份验证所广泛应用的技术。在现有的指纹识别方法中,指纹纹路的细节点特征是最为广泛应用且最为可靠的特征。当采集到的指纹图像质量较好并且能够提取到足够的细节点信息时,利用细节点信息就可以取得很好的识别效果,并且精度极高、非常成熟。然而在实际场景中因为各种原因,多数时候采集的指纹图像是残缺的,这都将影响最终的指纹识别系统的性能,这就是残缺指纹识别问题所被提出的最大意义所在。当残缺指纹占整张指纹图像面积越来越小时,指纹图像细节点将会大幅下降,这对身份验证的可靠性将造成极大的影响。随着科技发展,指纹采集器的分辨率也有了很大的飞跃,这使得我们能采集到指纹纹路上类似汗孔这样的第三层指纹特征信息。本文主要提出了基于第三层指纹特征——汗孔的匹配算法和基于稠密sift特征提取的匹配算法。在基于汗孔的匹配算法中,着重介绍了创新的提取汗孔方法。首先对指纹图像根据纹路的方向和粗细进行分块,分别对每块图像进行建模匹配提取汗孔。然后引入了支持向量机,也同时对指纹图像的候选区域进行分类,提取汗孔。紧接着将两种方法进行融合,在汗孔提取上保证高精确度和召回率。最后在汗孔提取的基础上利用其匹配指纹。在基于稠密sift特征提取的匹配算法中,在多次尝试后,发现根据预设间隔密集提取sift特征并进行匹配也能取得很好的效果。由于指纹库版权的问题,本文将多种方法在香港理工大学提供的1200dpi高清公开指纹库PolyU HRF Database中分别测试、对比分析并进行融合。实验结果表明本文提出的汗孔提取方法在指纹匹配测试中有更加突出的表现,同时经过融合的指纹比配算法也保持了比较高的水平。