在科学技术迅猛发展的背景下,如何及时、准确和有效地进行身份验证成为一个热点课题。因此,指纹识别技术,作为一种可靠的生物识别技术,越来越受到了人们的重视。在实际指纹图像采集的过程中,由于指头的干、湿、爆皮、刀口和伤痕等使得获得的指纹图像往往质量很差,直接影响了指纹识别系统的性能,同时对指纹图像识别算法也提出了更高的要求。本文针对指纹图像的特性,将小波变换、神经网络算法、遗传算法应用于指纹识别技术,以改善指纹识别算法的性能。主要研究成果和创新点如下:1针对局部灰度方差算法抗噪声干扰能力差的缺陷,采用多尺度分析的方法,从指纹图像中提取指纹区样本,克服了局部灰度方差算法的不足。提出采用点比率函数作为分割参数,通过对指纹区样本的分析计算,获得点比率函数的最佳阈值。对指纹区采用超限阈值函数处理,实现脊线和谷线的分割。仿真结果表明,该算法能很好的实现背景区和指纹区、脊线和谷线的分割,并且具有良好的抗噪声干扰能力。2针对指纹图像具有的方向特性,提出了一种基于小波变换和线型中值滤波的指纹图像增强算法,以最小方差为准则,选取一个与局部纹线最吻合的方向,按定向扩散的方法,从指纹灰度值数组中提取一维特征数据。根据噪声在小波域下的统计特性,将中值滤波和软阈值函数萎缩方法相结合以有效地消除噪声。仿真结果表明,该算法能有效地消除指纹图像噪声,增强指纹特征信息,尤其对纹线上和纹线附近的噪声去噪明显,有很好的纹线增强效果。3将小波变换与神经网络相结合用于指纹图像压缩,提出了一种基于小波变换与神经网络混合量化的指纹图像压缩算法。该算法首先将小波变换后的图像高频子带划分为扫描块,使用神经网络的方法将这些扫描块划分为类平坦过渡弱纹理和强纹理,然后依据图像的纹理复杂度和重要性程度,扫描重要的小波系数。重要的小波系数采用嵌入式零树小波(EZW)编码。实验结果表明,该图像压缩算法在压缩速度图像复原质量等方面均优于DCT编码和JPEG编码。4利用遗传算法搜索输入细节点和模板细节点之间的最优对应关系,这种对应关系使两个细节点模式之间对应细节点个数最多且对应细节点之间的匹配误差最小。然后根据求出的对应点对的数目和匹配误差大小和一系列逻辑规则推出匹配分值。讲匹配分值与预先设定的阐值进行比较,判定两个细节点模式是否相同。