随着越来越多的电子设备进入人们日常生活以及互联网的兴起，计算机、ATM、门禁控制、各种智能卡对个人安全、方便的身份识别技术要求越来越高，人们迫切需要有准确、安全、方便的识别技术。由于指纹具有唯一性、稳定性，使得指纹识别一直是身份鉴定的可靠手段，在安全领域中得到了广泛的应用。 指纹图像的自动识别是模式识别领域中使用最早的，也是最为成熟的生物鉴定技术，它是集传感器技术、生物技术、电子技术、数字图像处理、模式识别于一体的高技术。近年来，有关指纹自动识别的研究已成为模式识别、图像理解及计算机视觉等领域中广为关注的热点。 国外研究指纹识别技术已经有几十年的时间，而国内从上个世纪80年代的中期才开始进行这一方面的研究和应用的尝试。目前，虽然在某些领域已经取得了一定的成功，如公安系统等，但是还存在一些技术难题需要进一步加以研究和解决。例如在读取指纹的过程中，由于输入设备等原因会造成指纹图像畸变、不清晰，存在噪声。细化后会出现许多伪特征点，特征提取后大大增加了指纹分类和识别的计算量，造成识别率不高、运算速度慢。本文试图将神经网络技术运用到自动指纹识别系统中，为解决指纹自动识别技术中存在的种种困难找到切实可行的新途径。 一般，自动指纹识别技术主要由指纹图像预处理、特征提取、指纹分类和指纹识别三大部分组成。针对每一部分，本文都进行了较深入的研究。 在指纹图像预处理过程中，本文对指纹图像的增强、分割、二值化、细化以及细化后处理等每一部分都进行了深入的分析，通过实验效果的比较，采用了相对比较理想的算法，得到了比较好的指纹图像的点线图，为细节特征的提取奠定了很好的基础。 在细节特征提取过程中，针对指纹分类和指纹识别的不同任务，本文分别提取了不同的特征做为指纹的分类特征和识别特征。即采用指纹图像的全局特征——方向图做为指纹的分类特征送入神经网络分类器，采用指纹图像的局部特征——细节点做为指纹的识别特征送入神经网络识别器，用以提高指纹识别系统的性能。 在指纹分类和指纹识别部分，通过对神经网络模型的分析和研究，本文采用了相对较好的径向基RBF神经网络做为指纹分类器，采用学习矢量量化LVQ神经网络做为指纹识别器。在径向基神经网络对指纹进行分类的基础上，分别将指纹的局部细节点特征送入相应的LVQ神经网络进行识别，最后输出识别结果。实验结果表明，该方法可以取得较好的识别效果。 尽管本文采用了一系列相对比较理想的算法，获得了比较理想的识别率和识别速度，但是要应用到我们的实际生活中，这样的识别率和识别速度还达不到实际应用的要求。为此，本文对指纹图像进行了二维快速傅立叶变换的实验，探讨了采用基于频域的特征做为指纹识别特征的可行性。实验结果表明，采用基于频域的特征做为指纹识别特征是可行的，而且它有可能比传统的基于结构的细节特征更具优越性。