指纹识别作为生物特征识别领域中应用最为广泛的技术之一，目前普遍应用于身份验证和识别领域，特别是在电子商务、犯罪识别、信息安全等领域获得广泛的应用。因此，对自动指纹识别的研究具有重要的学术价值和实用价值。在指纹识别的研究中，虽然已有许多算法，但是仍然存在值得研究的问题。本文以自动指纹分类算法为主线，对指纹分类涉及的相关内容进行了研究并做了相应的改进：1．预处理阶段。为确保分类算法的鲁棒性，必须对指纹图像进行预处理。本文研究了指纹图像的分割、方向图的计算、指纹参考点的获取和指纹增强技术。在研究已有的分割算法的基础上，提出了基于Canny算子的指纹图像分割算法。此算法原理简单、分割效果好、能较为完整的保持指纹的模式信息。改进了基于方向场提取指纹参考点的算法，改进方法为以粗细模板代替原有的迭代过程，降低了算法复杂度。同时经实验比较，此方法比传统的poincare index方法提取的参考点更为准确。2．特征提取阶段。分析了基于poincare index的奇异点提取方法的优缺点；介绍了基于统计信息的特征提取方法；在研究基于方向场的半区域特征提取算法的基础上，对其做了改进，改进后的算法能更准确的提取分类信息，并具有旋转不变性。3．指纹分类实验阶段。选取支持向量机作为分类器，对指纹多类分类领域进行了探讨，并设计了一种二叉树支持向量机进行指纹的多类分类，通过实验验证该算法相对于传统的一对一、一对多的多分类支持向量机在分类效果上有明显改善，具有一定的实用价值。