(2)指纹预处理研究。其中包括图像的归一化、分割、增强、二值化和细化。指纹增强算法是指纹预处理中的核心算法，本文研究了基于时域的方向滤波器和基于频域的Gabor滤波器。二值化算法采用了局部自适应的二值化算法。具有较好的效果。
(3)指纹特征提取算法的研究。根据指纹细化后的结构特点，采取相应的算法取指纹细节特征。指纹特征提取后，对指纹特征进行了去伪。同时对指纹特征结构信息进行优化处理，以尽量小的空间存储尽量大的指纹信息量，为指纹特征匹配打好基础。
(4)指纹特征匹配算法研究。在提取的指纹特征结构基础上，把点模式匹配理论同指纹特征匹配方法联系起来，运用一种纹线匹配方法，对指纹特征进行匹配。算法不依赖指纹的奇异点，对指纹的旋转和局部形变有一定的鲁棒性。
1.2.2 主要工作
第一章：介绍了研究背景，对现在发展和应用的各种生物识别技术进行了概述，尤其重点阐述了其中指纹识别技术的发展、应用、研究概况、市场前景和存在的难题以及研究方向。同时，说明了本论文的研究目的及意义。
第二章：对指纹识别技术的现状做了简单的介绍，然后说明了指纹识别系统的基本原理。
第三章：用软件实现了一个指纹识别算法。主要步骤是：先对采集到的指纹图像进行增强滤波、二值化和细化三个步骤的预处理。消除干扰及增强脊线，针对指纹脊线具有较强方向性的特点，我们采用了方向滤波算法对其进行增强；对滤波后的指纹图像采用自适应阈值法进行二值化，并进行修饰处理；最后，在不破坏图像连通性的情况下去掉多余的信息，将指纹脊线的宽度采用逐层剥离的方法，将图像中的指纹脊线细化成单象素宽。
为了提取出指纹细节特征点的类型和相对位置，本文采用了基于脊线跟踪的方法，先将指纹图像中的脊线全部找出来，然后找到所有特征点，对每个特征点验证，去伪存真，然后计算特征点与参考点之间的纹线数、特征点与中心点连线与中心点方向的夹角，用这些信息作为指纹特征点的信息，方便后续的指纹比对。
采用了一种基于细节特征点的指纹匹配的算法。
第二章 指纹识别技术研究
2.1 研究现状
自动指纹识别中的关键技术只要包括：图像获取技术、特征提取技术、指纹匹配技术、指纹分类与索引技术、指纹识别中的安全技术。指纹特征提取技术主要纹路方向计算技术、纹路频率计算技术、奇异点提取技术、指纹分割技术、指纹增强技术、纹路提取细化技术、节点提取与过滤技术、纹数计算技术、图像质量计算技术等。
2.1.1 指纹识别的过程与性能评估参数
自动指纹识别一般都要经过图像获取、特征提取和指纹匹配三个过程，图像获取是指通过设备获取手指表面上的凹凸信息并转化为数字图像的过程，特征提取则从图像中提取指纹特征，指纹匹配一般是指匹配指纹的特征。因此，对两幅指纹图像进行匹配一般是匹配从这两幅图像中提取的特征。如图2.1.1

图 2.1.1 匹配两幅指纹图像的一般过程
自动指纹识别系统分为两个阶段：注册阶段和识别阶段。在注册阶段，用户需要输入用户名，同时输入指纹（将手指放在指纹采集设备上的传感窗口上，以便采集设备采集指纹），自动指纹识别系统的特征提取模块会从输入的指纹中提取特征，最后，系统将用户名和提取的指纹特征一起保存到数据库中，保存在数据库中的指纹特征会在识别阶段被系统读取，用来与输入指纹的特征进行匹配，指纹注册过程如图2.1.2 所示。 指纹识别算法研究+文献综述(4):http://www.youerw.com/jisuanji/lunwen_5302.html