自动指纹识别技术在普遍性、唯一性、可采集性、可接受性等方面都比其他的身份认证技术更具有优势。指纹分类和方向场重建是指纹识别技术的关键,准确地分类和提取纹路方向可提高指纹后续处理的性能。随着社会的发展与进步,指纹识别技术的研究已经比较成熟,但仍存在一些难点和改进空间。目前,由于手指出现的伤疤、脱皮等现象以及采集设备的缺陷和按压方式不当等问题导致采集到的指纹图像的质量都比较低。现有方向场重建方法大部分能准确地提取高质量指纹的方向,而对于低质量指纹只有基于字典构建的方法最为有效,但该方法的效率很差。考虑到不同类别的指纹在相同的位置会有不同的特征,因此,本文针对这一问题对基于字典构建的方向场重建算法进行了改进,通过实验证明,本文地方法可以较为准确地重建出低质量指纹的方向场,同时提高了算法的实时性。本文主要内容及创新总结如下:(1)提出了一种基于局部二值模式方差(local binary pattern variance,LBPV)特征的指纹分类方法。首先以指纹中心点为参考点将指纹分为四部分,提取每部分的LBPV特征,然后使用改进的KNN算法得到每部分属于各个类型指纹的概率,最后通过加权积分融合策略得到指纹所属的类型。实验结果表明该特征具有很好的分类能力。(2)提出了基于分类的方向场重建方法。对所有的样本指纹先进行分类,为每种类型的指纹构建局部字典。当输入一枚低质量指纹时,在估计指纹的姿势之后对指纹进行分类,再在对应类型的局部字典中进行字典查询完成方向场重建。通过对指纹进行分类,可使每一位置包含丰富的纹理信息的同时减少字典数量,从而使得字典查询时更加快速,提高算法的实时性。在求取原型方向场块时采用改进的mediodsk-聚类算法代替原来的mediodsk-聚类算法,提高了聚类的速度。