随着计算机技术的飞速发展和信息技术的广泛应用，利用计算机进行身份鉴别的技术有了长远的发展。指纹的独特性、稳定性和防欺骗性，使指纹识别技术成为当前应用最广泛的身份验证与识别技术之一。它涉及模式识别、数字图像处理、信号处理、人工智能等领域，是一门综合性技术，广泛应用于犯罪识别、网络安全、信息安全等众多领域，有着重要的理论意义和应用价值。指纹识别技术的关键部分主要包括指纹预处理、特征提取和指纹匹配这三个方面。指纹图像预处理包括指纹图像规格化、图像分割、计算方向图、图像增强、图像二值化和细化。指纹图像增强的目的是避免图像产生伪特征信息，保证细节特征提取的准确性和可靠性。由于传统的基于Gabor滤波的指纹图像增强算法存在块效应，本文提出了改进的指纹图像增强算法。通过实验证明改进的增强算法能够很好地去除块效应，增强处理后的指纹图像边缘更平滑。指纹图像二值化是使具有灰度的指纹图像转变成了只有黑白两种色调的二值图像。本文采用固定阈值算法与区域自适应阈值算法结合的思路进行指纹图像的二值化。通过实验结果分析，该方法能够有效地进行二值化处理，并得到了清晰的指纹图像。在二值化指纹图像上，有效地进行了指纹细化处理，并且在细化二值图像中提取出了端点、分叉点、中心点和三角点这四种细节特征点，为后续指纹匹配算法提供了精确的细节特征点。本文着重介绍了一种传统的基于点模式的匹配算法。该算法的主要思想是通过求取待测特征点分别与参考点的距离之差是否在所设置的阈值范围之内，来判断这两个特征点是否匹配，该方法中阈值的选择难以确定。因此，改进的匹配算法不依赖指纹的细节特征点和脊线纹理结构等全局特征，能够有效地解决点模式匹配算法中的关键性问题：参考点的准确定位，并且此算法对指纹图像不同程度的平移、旋转、形变具有很好的鲁棒性。实验结果显示，该算法的识别率有了很大程度的提高，从而使匹配时间大大减少。