近年来，随着全球经济和信息技术的不断发展，安全问题日益突出，越来越多的领域需要可靠的身份识别。生物特征识别技术为此提供了一种解决方案，而指纹识别技术是其中的最佳选择之一。指纹识别技术越来越被广泛地应用到各个方面，譬如出入境中的快速通关系统、银行的ATM机和家用电子门锁等。目前，各种指纹识别技术，包括指纹获取、分类、增强和匹配等都已经取得了很大的进展。但是在指纹识别领域，仍然存在一些值得深入研究的问题。　　 本文的内容是在现有指纹识别算法的基础上，研究应用对指纹算法的几个重要需求，提高指纹识别系统的实用性：1)针对低质量、不完整指纹，实现准确快速的指纹识别；2)大规模数据库上的指纹索引；3)针对应用系统中多采集仪共存的情况，研究具有互用性的指纹匹配算法。本文将主要研究特征提取、指纹匹配和索引，对于涉及到的指纹识别中的其他问题，如方向场计算、指纹增强、特征后处理等，则倾向于采用或改进现有的经典方法。本文主要的工作和贡献有：　　 ①针对在低质量、采集而积较小的指纹，提出一种结合了包括细节点、附属脊线上的双向采样信息、周围方向场分布等局部特征的指纹细节点描述方法，在配准处理中，进一步融合全局方向场和局部细节点特征来选择最优的配准参数。首先，由于局部细节点特征具有旋转平移不变性，结合细节点的坐标方向信息，可计算每对特征间的相似度及对应变换参数(平移和旋转)，确定候选的配准参数，同时采用傅立叶2D模型逼近指纹全局方向场，计算比对指纹间块方向场的相似度，并对每个配准参数进行检验(剔除可能的伪配准参数)，最后在指纹匹配分数计算时，融合局部特征和全局特征的相似度，试用多种可能的融合策略，并根据实验结果，选取加权求和的融合方法。实验结果证明该方法对低质量指纹和小面积指纹的处理具有较好的鲁棒性。　　 ②针对大规模指纹数据库上的指纹识别问题，提出了基于分层局部细节点特征的索引算法，分析多种细节点局部特征(细节点指向、局部方向一致性、局部曲率、脊线采样)的比对效率和区分性，在局部细节点匹配时选择多层、从上到下的相似度判别方法，在最快的时间内剔除不对应的点匹配，估算出局部相似度分数，对每个输入细节点可能对应的细节点候选进行排序。基于此引出基于细节点的指纹索引方法，不需要细节点配对步骤，直接计算指纹匹配的可能性。以此为索引变量，实现大规模指纹库上的索引，并进一步将算法和传统的依据全局特征进行指纹索引的方法进行融合。该算法可以提高形变指纹库上的索引准确性。我们还将此方法用于常规的指纹匹配中，在基于细节点结构的算法中(拓扑结构，三角结构等)，可以减少细节点的搜索范围，增强细节点的可区分性，提高指纹匹配的性能。　　 ③针对多采集仪间指纹交叉匹配中全局缩放参数最优化和交叉匹配中的非线性形变进行研究。指纹预处理后，采用一个从粗到细的方法来估计模板指纹和输入指纹间的缩放参数。首先，基于指纹模型化的脊线距离图粗略估计全局的尺寸缩放初值。然后通过最大化两个对比的细节点特征间的相似度得到较精确的局部缩放尺寸。最后全局尺寸缩放值估算为匹配上的细节点对间的局部尺寸缩放值直方图的峰值。然后提出一种阶层式配准方法来计算指纹变换模型参数。我们的目标是找到一个最优的2D模型来描述不同采集模式引入的非线性形变。我们采用包含缩放、位移、旋转4个参数的线性刚性模型作为初始的指纹变换模型。然后在迭代过程中将其升级为包含6个参数的仿射变换模型，再升级为包含12个参数的二阶变换模型。采用改进后的迭代最近准则(ICP)建立两个比对细节点集间的对应关系。在来自于四个不同采集仪的FINGERPASS指纹数据库上的试验结果证明该算法能够有效的处理交叉匹配间的非线性形变，提高匹配性能。　　 总的说来，本文在针对指纹识别算法的实用中的一些问题作了有益的探索。