生物特征识别技术是当前信息科学技术领域研究的热点之一,而指纹识别技术则是当前应用最好的生物特征识别技术。尽管对自动指纹识别技术的研究由来已久,取得了非常丰硕的成果,但对于低质量指纹(由于干燥、伤痕、油腻和潮湿等原因造成的含大噪声指纹)的识别一直是一项具有挑战性的问题。本文针对自动指纹识别系统中低质量指纹图像的方向场提取和增强等关键问题进行了研究。具体的研究内容如下:1.对低质量指纹图像方向场提取方法进行研究。指纹方向场描述了指纹全局、可靠的内在模式特征,在指纹识别系统中起着非常重要的作用。本文研究了一种结合加权线性投影分析和方向扩散的指纹方向场提取方法。首先采用二维离散正交多项式拟合块内点方向,抑制孤立大噪声;其次,充分考虑点梯度模在估计块最优方向时的贡献,依据点方向的相似性得到点梯度模的权重,基于点梯度向量集的加权线性投影分析来估计块最优投影方向;最后,基于块质量分级机制和复合窗口策略实现指纹方向场重建。2.对基于频域带通滤波的指纹图像增强方法进行研究。带通滤波器的性能对滤波增强至关重要。为了改善带通滤波器的性能,本文设计了一个具有方向选择性的2D自适应Chebyshev带通滤波器对指纹进行滤波增强。增强过程分为两个阶段:在第一阶段,使用Gabor滤波和直方图均衡化对指纹进行预增强;在第二阶段,首先利用块内点方向一致性对块质量进行评价;其次,对带通滤波器的自适应参数进行估计;然后,结合块频谱方向,设计出具有方向选择性的带通滤波器;最后,结合频谱扩散,采用设计的具有方向选择性的2D自适应Chebyshev带通滤波器对指纹图像进行增强。3.对基于深度玻尔兹曼机(Deep Boltzmann Machine,DBM)重构的指纹图像增强方法进行研究。引入脊线方向先验信息,构建分类训练样本集,为拥有不同方向类别的训练样本分别训练一个独特的DBM模型;在指纹图像块质量分级机制和复合窗口策略下,使用具有方向选择性的方向高斯带通滤波器对指纹图像进行预增强;对预增强指纹图像中的误增强区域使用具有方向选择性的DBM进行重构,选择对应方向类别的DBM模型重构相应的错误增强块,得到准确重构的指纹图像。4.对基于字典学习的指纹图像稀疏增强方法进行研究。本文研究了一种结合Gabor滤波和分类字典学习的指纹图像增强方法。提出的方法分为两个阶段:在第一阶段,依据块方向将训练样本分为8类,在频域依据每类训练样本集,分别训练得到8个分类字典。在第二阶段,采用Gabor滤波对指纹图像进行预增强,得到预增强指纹图像。基于块质量分级机制和复合窗口策略,使用带有脊线先验信息的分类字典对指纹图像进行稀疏增强。块质量分级机制和复合窗口策略保证了频谱扩散的成功应用,进一步提高了增强质量。5.对基于分类耦合字典的指纹图像超分辨率稀疏表示方法进行研究。提出算法的基本思想是使用具有可靠脊线模式先验的分类耦合字典对指纹图像进行稀疏表示超分辨率重构。首先,利用加权线性投影分析对训练块方向进行估计;其次,基于点方向一致性对块质量进行评估,随后依据训练块的方向将它们分为8类,然后在每类训练块中依据块质量挑选高质量的块构成分类训练样本集,分别为每一类训练样本学习一个分类耦合字典;最后,利用带有脊线模式先验的分类耦合字典对指纹图像进行稀疏表示超分辨率重构。