随着研究水平的日益提高，指纹图像识别技术的发展日趋完善，各项核心算法都有了深入的研究。但在指纹识别技术的研究过程中，仍旧有很多问题需要解决。分割技术作为计算机视觉领域的一项重要内容，得到研究者的广泛重视。如何从复杂的背景区域中找出感兴趣的指纹区域，从而保证后续特征提取的准确性，是指纹图像处理的一个关键的问题。同时，作为指纹识别算法中最核心的技术，指纹匹配一直是被关注的热点，如何处理低质量图像匹配，残缺指纹匹配，及非线性形变问题，都是现有指纹识别系统研究过程中面临的难点问题。　　 本文针对指纹图像的分割及指纹图像细节点匹配等问题进行研究，提出了几种新颖有效的算法。主要贡献概括如下：　　 首先，本文提出两种指纹纹理描述特征，并根据特征的性质设计分割算法。两种新纹理特征分别为基于局部傅里叶变换的特征和基于图像块方差及方差梯度的特征。对于基于局部傅里叶变换的指纹图像分割算法，首先定义像素点的局部傅里叶变换，并提取像素点8个独立局部傅里叶变换系数，实验表明指纹图像前景区域与背景区域的图像块像素局部傅里叶变换系数分布差异很大，因此局部傅里叶变换系数可以作为指纹纹理描述子，但直接利用系数作为特征计算复杂度高，因此采用图像块偶数2，4，6阶矩代替局部傅里叶变换系数作为分割特征。对于基于图像块方差及方差梯度特征的分割算法，由于指纹是一种特殊的纹理，指纹区域与背景区域方差差异大，因此选择方差作为特征之一；同时，指纹作为脊和谷交错的纹理，图像块位于脊谷交界处的方差大，位于脊谷中间的方差小，因此采用方差梯度作为方差的补充特征，方差及其梯度特征充分利用指纹内部纹理特性，最后通过设计自适应的阈值完成分割。　　 其次，本文提出了一种基于概率图模型的指纹图像匹配算法。指纹图像匹配是根据两幅图像之间的相似度来判断是否来自同一指纹，从某种角度而言，这种判断可视为一个概率问题，即求解两图像来自同一指纹的概率。Caetano等人首先将图模型用于点模式匹配，并取得很好的效果。指纹图像细节点匹配是一种特殊的点匹配问题，通过将细节点及细节点之间的关系与图模型的顶点及边相对应，便可以将细节点集匹配问题转化为概率图模型匹配问题来解决。该算法从新的角度考查了指纹图像匹配问题。　　 最后，针对形变图像的匹配问题，本文提出两种新的算法，包括基于改进薄板样条模型描述形变的匹配算法和局部线性近似的分区域匹配算法。基于薄板样条模型的匹配算法首先利用局部匹配得到候选点对，然后根据候选点对进行插值得到薄板样条模型，完成对图像的匹配。原始薄板样条模型在对指纹图像形变进行描述时忽略了指纹图像中细节点的方向信息，以及插值点对的可靠性，我们提出一种改进的薄板样条模型，该模型同时考虑细节点的位置和方向，并在此模型中添加细节点对的可靠性信息（包括细节点质量及相似度）。实验表明该算法较原始的模型有更强的处理非线性形变的能力。另外由于指纹图像在局部范围内非线性形变小而在全局范围内形变大，我们提出基于多区域对准的匹配算法。首先利用局部匹配得到候选点对，然后利用点对之间的相容性机制进行虚假候选点对的筛选：根据候选点对的空间位置关系，我们将图像划分成多个不同的区域，在不同区域上利用图模型算法进行匹配，得到更多的对应点对。实验结果表明该算法较基于模型的算法有更理想的结果。