近年来,自动指纹识别技术已成为学术界的一个研究热点,已有不少国内外学者对指纹识别技术作了大量研究,但到目前为止,指纹识别仍存在一些技术难点。指纹图像与背景区域的有效分割,以及可靠的、高鲁棒性的指纹匹配算法对提高自动指纹识别的处理速度和识别性能都具有重要的意义。 本文针对指纹识别的两个关键技术——指纹图像分割和指纹匹配进行了深入研究。在指纹图像分割方面,针对现有指纹图像分割方法存在的不足之处,首次提出采用二次曲面对指纹图像进行分割的思想,并使用该思想实现了基于二次曲面模型的分割方法。典型指纹数据库上的实验结果证明了该算法的有效性。在指纹匹配方面,针对基于局部特征和全局特征的指纹匹配算法存在的问题作了一定改进。大量实验结果表明改进后的算法基准点定位准确率有所提高。 全文内容共分五章。第一章绪论,主要介绍了指纹识别技术的概况及其存在的技术难点;做为开展研究工作的基础,第二章研究并实现了基于块图像的指纹分割方法;第三章详细介绍了本文的主要创新之处——提出并实现使用二次曲面模型进行指纹图像分割的方法;第四章是指纹匹配算法研究,对一种现有的指纹匹配算法进行了一定改进;第五章为总结和探讨。主要研究内容包括: 实现了基于块图像的指纹分割方法。该方法是指纹识别中常用的分割方法,它分割速度快,实现简单。文中主要介绍了该分割方法的主导思想以及具体实现。实验结果表明,该方法的分割精度只能达到块图像的水平,获取的指纹图像与背景区域的分割边界呈折线形状,与指纹图像实际的边界存在较大偏差,使得图像边缘处细节点真伪的判别比较困难。对该方法的研究,为后续的研究工作打下了良好的基础。 针对现有的基于像素的指纹图像分割方法存在的不足,分析采用线性分类器对指纹图像进行分割的局限性,并在此基础上提出了基于二次曲面模型的指纹图像分割方法。文中分析了指纹的前景点和背景点在指标CMV(C指像素点的方向一致性、M是像素点的平均灰度、V是像素点的平均灰度方差)下的空间分布特点,发现该空间下的指纹前景和背景区域具有线性不可分性,使用线性分类器进行分类具备一定局限性。从而定义了二次曲面模型,并通过神经网络获取曲面系数,完成了二次曲面模型的分割。在典型数据库上的实验结果表明,使用二次曲面分割,其分割精度高,能够获得像素级别的平滑分割边界,性能远优于线性分类器。 考察各种指纹图像匹配算法,研究了一种基于全局特征和局部特征的指纹细节点匹配算法,针对该算法中近邻点的选取存在的问题,对该算法进行了一定改