生物特征识别技术因其自动、安全、便捷的优势，在人们的生活中发挥着越来越重要的作用。自动指纹识别是生物特征识别中的重要分支，也是历史最悠久、发展最成熟的生物特征识别技术，广泛应用于刑事侦查以及入境通关、访问控制、门禁考勤等领域。 目前自动指纹识别面临的挑战主要来自两个方面：一是采集条件限制造成的图像质量偏低以及手指表面磨损、受伤、褶皱、疤痕等引起的噪声干扰；另一方面是手指表面的弹性和使用者按压的不规范引起的指纹旋转、平移、变形和重叠区域变化等不确定因素。目前许多指纹识别系统的性能依赖于提取特征点的数目的多少以及提取的准确率，由于受到上述因素的影响，局部特征(包括细节特征点和方向场)很难准确获取，这导致系统性能不高，特别是在大规模、大容量自动指纹识别系统应用中，问题尤为突出。 针对现有局部特征存在的问题，本文从如下两种途径加以改进： 第一，提出新的性能更好的局部特征。本文定义了一种新的局部特征——指纹局部对称性，我们应用它对指纹图像进行分析、全局特征提取和指纹匹配，取得了比较好的效果。 第二，利用全局特征进行指纹分析。全局特征由于刻画的是指纹的整体性质，因而相对于局部特征而言更稳定，受各种不确定因素的影响更小。我们提出了几种检测奇异点和参考点方法，并实现了主要基于全局特征的分类、索引和匹配算法，在FVC和NIST等数据库进行实验得到令人满意的结果。 本文的主要贡献有： 1提出一种新的指纹局部特征——局部对称性 目前应用最为广泛的局部特征包括细节特征点和方向场，它们存在着抗噪性不强和处理较为繁琐等缺点，本文提出一种新的局部特征——局部对称性，它具有平移旋转不变性和一定的抗噪性，而且由于采用的是一元表达形式，所以更加易于处理。它具有尺度、精度和平滑度等参数，可以挖掘出指纹图像中更加丰富的信息，在指纹分析中应用局部对称性取得的效果证明它能够刻画指纹的许多内在性质，用于参考点检测和指纹匹配取得了预期的结果。 2提出一种奇异点检测方法和两种参考点检测方法 奇异点是一种典型的指纹全局特征，它包含指纹的重要信息，对于配准、分类、索引都具有重要意义。本文根据奇异点的本质特征提出一种T-shape模型，结合传统的Poincaréindex进行奇异点检测，在FVC2002DB1上取得了比较理想的结果。 作为一种全局特征，参考点是指纹图像中最明显的参照物，如果能够对它们准确的定位和定向，则配准将变得非常简单，这对于指纹分类、索引和匹配等处理都具有极其重要的意义。本文提出两种参考点检测方法，分别是基于迭代平滑方向场结合判定条件的参考点粗略定位方法和基于局部对称性的精确定位和定向方法。 3基于全局特征进行指纹分类、索引和匹配 指纹分类具有重要的理论意义和实用价值，是指纹研究的基本课题之一。我们利用参考点粗定位的结果结合支持向量机进行指纹分类，在NIST4上取得了良好的效果。 指纹索引可以极大的降低匹配次数，从而提高识别系统的性能。本文提出两种索引方法，第一种是在前面检测到的奇异点的基础上结合MACE相关算子进行索引，第二种是利用精确定位和定向的参考点实现配准后利用现有的方向场特征进行索引。这两种方法经过在FVC的两个库上进行了测试，性能值得肯定。 指纹匹配算法比较两枚给定的指纹，返回它们的相似度或者一个匹配或者不匹配的二元判定。本文中实现的指纹匹配方法是在基于精确参考点检测结果实现配准后，利用局部对称性场作为特征向量进行的。作为一种全新的匹配方式在FVC2000DB2数据库上取得的结果具有一定的启发性。