安全隐患和信息泄露频发使人们对身份认证平台提出了更高的关注和需求。电子信息技术的飞跃式发展为解决身份认证的多元化、高安全性提供了新的技术途径和手段，生物识别技术已替代传统身份认证方式成为新型身份认证平台的基础核心。相对于其他生物特征，指纹更好地平衡了众多性能指标，成为生物识别技术的首选，获得了广泛的认同和应用。虽然指纹识别技术发展成熟，但是依然存在技术缺陷，自动指纹识别系统还有待进一步地完善。现有的技术难题主要有指纹的质量评估和控制、滑移区域检测、形变指纹识别和潜指纹处理。其中质量评估和控制位于识别系统的前端，是后续处理的基础。有效评价和控制指纹的质量可以降低后续环节的处理难度，提升系统性能，所以指纹质量研究具有重要的研究意义和实际应用价值。　　 由于指纹采集具有时变性，所以指纹质量评价属于无参评价范畴。同时特殊的纹理结构也使传统评价指标不适用于指纹质量评价。本文以指纹质量为主要研究内容，结合反映指纹纹理结构的特征参数实现指纹质量分类，并将质量分类应用于后续增强处理中。首先，提取活体指纹图像的全局特征参数和局部特征参数，分别利用阈值分类方法、多参数加权组合方法和K均值聚类方法对指纹图像进行质量分类。通过分析比较，指出这些算法的不足，将BP神经网络引入质量分类过程，提出了基于BP神经网络的指纹质量分类方法。该算法在国际指纹识别竞赛库FVC2004 DB4上进行了测试，通过仿真比较，本文算法可以更加有效地建立多特征参数与主观质量感知之间的非线性映射关系，分类准确率更高。其次，本文对三种经典的指纹增强算法进行了仿真对比，结合仿真结果分析了算法的优缺点和适用对象。将指纹图像质量分类与增强算法相结合，去除低质指纹，根据质量等级对指纹采取合适的增强处理方式，提升主观视觉感知。最后，对多种指纹二值化、细化和特征提取方法进行仿真，分别采用Gabor增强、STFT增强和本文方法对65幅不同质量指纹进行增强，并通过性能评价参数的计算和比较，进一步验证了质量分类处理技术在指纹识别系统中的有效性、可行性。