指纹识别是被最广泛应用于实践的生物特征识别技术之一,随着电子计算机和信息技术的发展,自动指纹识别技术的研究和应用是目前生物特征识别研究的热点课题之一,近年来被广泛应用于各种个人身份识别和验证系统中。自动指纹识别技术大致可以分为指纹图像预处理和指纹匹配两个主要过程。本文通过分析指纹识别各步骤算法对指纹图像质量的依赖性,总结出加入指纹增强模型的必要性;通过分析指纹图像噪音的不同类型,对指纹增强模型提出了具体的增强需求。为此,本文提出一种系统指纹增强模型,针对指纹图像不同区域频域特性的不同,选择合适的滤波器进行增强,最终达到全局较优的增强效果。该模型在对指纹图像进行背景分割后,首先计算方向场的一致性图像。通过方向场的一致性信息和图像分割掩码,可以定位出需要特殊处理的奇异点区域。对于非奇异点区域,由于其脊线频率变化较小,本文统一使用脊线的平均频率作为Gabor滤波器的频率参数。因为微小的频率差别在指纹图像细化操作后将不再体现,所以计算出具体各个像素的准确频率信息反而意义不大。而对于奇异点区域,本文通过分析其频谱图的特点,选择了合适的带宽滤波器进行滤波增强。通过调节滤波器的带宽来获得较好的滤波效果,而不再依赖于该区域不可靠的方向信息。这样的处理可以减少错误的方向信息带来的伪脊线结构的产生。实验结果表明,该模型可以有效的去除大多数指纹图像噪音,提高了细节点特征抽取步骤的准确率,对指纹自动识别系统鲁棒性的提高具有实际意义。基于细节特征的指纹图像匹配算法,本文使用Microsoft C#.NET实现文中的大部分算法,最终实现了一套基于细节特征匹配的自动指纹识别系统,实验表明系统具有较好的可用性。