本论文主要研究奇异点的检测和指纹细节点匹配方面的问题。　　 在奇异点检测上，我们提出了两种新的算法用于检测指纹奇异点，且两种算法都利用了Hough变换。第一个算法在零极点模型的基础上检测奇异点，而且用零极点给出了奇异点方向的定义，与以往用指纹模型生成方向场相反，奇异点的检测简化为确定零极点模型的参数。第二个算法用指纹二倍方向场梯度的法线检测奇异点，零极点模型用来在数学上证明二倍方向场梯度的法线经过奇异点，指纹图像在分块后作出每小块二倍方向场梯度的法线，以每小块为累加单元，计算经过每小块的法线数，法线数最多的块对应指纹候选奇异点。零极点模型相对于真实的指纹方向场一般有些偏差，导致Hough变换检测到的奇异点相对于真实的奇异点位置也可能有一定的偏差，Pincare指数用于对奇异点进行验证和位置调整。　　 Hough变换用指纹图像比较全局的信息进行奇异点检测，Poincare指数利用指纹图像的局部信息检测奇异点,全局信息结合局部信息检测奇异点，比那些只用局部信息检测奇异点的算法对噪声有更强的鲁棒性。试验结果在NIST-4和FVC2000 DB2-A上进行，两个算法都有比较好的检测效果，并且速度也比较快。单一的方法检测奇异点，或多或少都会受到噪声的影响，导致虚假奇异点的出现，为了最大限度地防止虚假奇异点的出现，用这两种算法共同检测奇异点，如果两种方法同时检测到某个奇异点，则认为该奇异点是准确的。两种方法共同检测奇异点在数据库NIST-4上进行试验，没有检测到虚假的奇异点。　　 在特征匹配上，用二部图进行指纹细节点匹配。构建指纹的局部模式以后，我们给出模板指纹和输入指纹任意两个局部模式间的分数，将模板指纹和输入指纹的局部模式集合转换为二部图形式，用原始对偶算法求得该二部图的最大权匹配，在局部模式中弹性变形对指纹的影响几乎可以忽略，这种基于局部模式的二部图匹配方法避免了弹性变形带来的影响。在FVC2000 DB1和FVC2002DB1中进行匹配试验，取得了较好的匹配效果。