指纹识别是基于生物特征的身份认证方式之一,虽然指纹识别领域已有许多研究成果,但随着社会对指纹识别的迫切需要,以及指纹识别技术在实际应用和测试中表现出的许多不足,近年来,许多研究机构都在十分活跃地进一步深入研究指纹识别领域的各种关键技术,以提高指纹识别的性能和解决实际应用中的问题,从而加速指纹识别技术的普及。在这种情况下,本文对指纹识别领域的主要关键技术进行了深入研究,主要包括低质量指纹图像的特征提取技术、指纹匹配技术和指纹识别系统相关技术,最后实现了一个自动指纹识别演示系统。本文工作的主要贡献和创新总结如下: (1) 深入研究了低质量指纹图像纹路方向计算和图像分割方法,提出了基于神经网络对纹路方向正确性进行训练和学习的方法,以及在此基础上的指纹分割方法。低质量指纹图像的纹路方向的正确计算是正确提取特征和进行匹配的基础,针对现有基于梯度和低通滤波方法的缺点,本文在用梯度法计算纹路方向的基础上,结合指纹分割对方向的初步计算结果的正确性进行训练和计算,从而根据方向正确性进行指纹分割并根据正确方向纠正错误方向。该方法中的神经网络对特定图像块在不同方向上有不同的响应结果,根据这些响应结果也可以确定图像块的纹路方向并进行指纹分割。实验结果表明这些方法有效地提高了低质量指纹图像特征提取的正确率。 (2) 深入分析了指纹图像区域类型,提出了对指纹图像进行二次分割以去掉残留纹路的方法。许多指纹分割算法能够有效分离不含纹路的区域和纹路结构无法恢复的纹路区域,而无法有效分离纹路结构清晰的残留纹路区域。二次分割方法在指纹初分割分离不含纹路的区域和纹路结构无法恢复的纹路区域的基础上,对余下区域进行分析,分离出残留纹路区域,从而减少错误特征的提取。 (3) 深入分析了指纹图像的增强,改进了基于Gabor滤波器的指纹增强方法。纹理滤波方法是指纹增强中普遍使用的方法,为了提高程序运行速度,滤波器通常采用查表方式实现,因而必须将滤波参数离散处理,另外在核心点附近纹路方向变化较快,这些都可能导致增强结果中产生块效应;滤波器的形状和尺寸不同,纹路的增强结果也会有明显不同。本文对这些问题进行了实验分析,对基于Gabor滤波器的增强方法进行了改进,改善了低质量图像的增强效果,提高了特征提取的正确率。 (4) 提出了基于多参考节点的指纹匹配方法。目前的指纹识别系统主要采用基于节点的匹配方法,已有的基于节点的匹配方法通过某种策略分别从模板指纹和输入指纹中选取一个节点作为参考节点对,在进行节点匹配时先将参考节点对齐,然后再评估其它节