指纹是一种具有“人人都有”的普遍性、“每人不同”的可区分性、“一生不变”的稳定性、容易采集等良好特性的生物特征,因此被深入研究并广泛用于身份认证领域。目前,指纹识别研究已经取得了大量的成果,并被广泛应用到刑侦、金融、军事等很多领域。在应用过程中,对低质量、小面积、弹性形变严重等指纹图像识别的准确性提出了更高的要求,针对这些问题很多算法被研究出来,这些研究成果都是以指纹的节点特征为基础开展提取和匹配。我们通过观察分析和实验比较发现,从纹线的层次来描述指纹比从节点的层次更符合人类专家比对指纹的过程,能够提供更多的特征用于匹配,能更好地区分一些用节点特征无法正确匹配的指纹,提高指纹识别的准确性,因此,本文提出了指纹纹线特征的概念,开展指纹纹线特征表示、提取、匹配的算法研究,以构建基于纹线特征的指纹识别应用系统,研究成果主要包括:1、提出了基于Log-Gabor滤波器的指纹纹线区域提取方法。Log-Gabor滤波器对指纹的不同干湿状态下采集的图像,特别是局部灰度对比度很小的区域,Log-Gabor滤波能很好地使纹路区域保持较大亮度而非纹路区域亮度较小,采用动态灰度阈值的自适应阈值分割可以很好的去掉灰度较小的非纹路区域。根据方向可靠性的性质,在纹路清晰区域纹线方向与周围块方向差异较小,从而方向可靠性高,这样可以排除可靠性低的噪声大的纹路混乱区域。两种标准相结合的分割方法,可以有效处理不同干湿状态下采集的指纹图像,同时较好区分纹路清晰和混乱的区域,避免纹路混乱区域带来错误特征,有效分割指纹的纹线区域以便进一步特征提取和匹配。2、提出了适合于指纹匹配的纹线特征表示方法。指纹的纹线特征包括点特征、线特征和拓扑特征,其中点特征是一条纹线两端的终点的坐标、方向、类型等特征,节点(分叉点和端点)是点特征的一个真子集,线特征包括纹线的起点、终点、最大曲率、长度、类型等特征,拓扑特征是纹线之间的相邻关系。纹线特征包含了节点特征,从理论上讲,通过节点特征能识别的指纹通过纹线特征都能识别,因为纹线特征比节点特征包含更大信息量,根据节点特征无法恢复原有的指纹纹路,但根据纹线特征可以恢复指纹的纹路结构,因此可以更好地区分用节点特征无法正确匹配的指纹。此外,由于纹线特征包括拓扑特征,按照拓扑结构对纹线特征进行存储,可以直接对可能匹配的纹线进行比对,避免了节点特征匹配时需要对所有节点进行全比对,提高了匹配效率。因此指纹的纹线特征是一种比节点特征更有效的指纹特征表示方法。3、提出了从传统细化图像中提取指纹纹线特征的方法。指纹图像经过方向计算、分割、增强、细化等处理后,改进从细化图像中提取节点的算法,在分割后的细化图像中提取节点的同时提取纹线特征。该方法在节点特征提取的基础上提取纹线的起点、终点、最大曲率、长度、类型、拓扑等特征,用很小的额外计算代价和存储空间得到指纹的纹线特征,实验表明纹线特征在指纹匹配及快速匹配发挥了比节点特征更好的效果。4、提出了指纹纹线的匹配方法,包括基于特征纹线的指纹对齐和纹线特征匹配两个阶段。首先提出了8种可以用于对齐的特殊纹线的定义和提取方法,其次按照优先级对特殊纹线进行初始对齐,计算两个指纹的对齐参数。对齐后直接根据纹线的线特征和拓扑特征搜索配对节点,采用固定阈值对纹线上的节点特征计算节点的相似度,从而获得模板指纹和输入指纹的匹配分数。在FVC2006 DB3和DB4上的实验结果表明,纹线特征的提取和匹配提高了指纹识别的准确性。5、提出了基于纹线特征的快速匹配方法,在特殊纹线的基础上,根据纹线的拓扑特征、线特征和点特征来确定纹线的可靠性,结合对FVC指纹库中高可靠性纹线的统计分析,可以仅选用可靠性高的纹线进行匹配。在FVC2006 DB3和DB4的纹线快速匹配实验表明,基于纹线特征的快速匹配算法显著提高了指纹识别的速度,虽然快速匹配算法对识别准确率有一定影响,但在可以接受的范围内,而且在FVC2006DB3中指纹图像弹性形变较大时,相比全局的指纹对齐方法,纹线特征的快速匹配的准确率还有所提高。6、提出了一种基于图像质量分区的指纹特征提取方法,对指纹识别流程进行优化,以提高应用系统的实用性。在实际应用中,只有部分指纹图像的质量不高且这些图像中也只有部分区域质量较低。针对这个问题,提出了一种基于图像质量分区的指纹特征提取方法。具体来说,先用一种简单的图像区域质量计算方法以评价各区域的图像质量,然后对高质量区域直接从灰度图像跟踪纹线、提取节点,对低质量区域先执行传统的方向计算、增强、二值化和细化,再根据高质量区域获得的纹线方向等信息来调整低质量区域的方向,跟踪纹线、提取特征。在FVC四个指纹库上的特征提取时间统计结果表明,通过区分高质量区域与低质量区域,避免了在高质量区域耗费过多的运算时间和计算资源,从而减少了指纹识别所需要的时间。论文对上述算法进行研究和实现,并在FVC指纹库上进行了实验,给出了相应的实验结果和分析。