目前,指纹识别技术已广泛应用于门禁控制、信息保密、远程认证等领域。这些领域采集到的指纹图像清晰、完整且对比度高。然而,针对作案现场提取的罪犯指纹,指纹通常是不完整的,且纹线的对比度也很低。对于这种低质量的指纹图像,用传统的指纹识别技术处理,很难得到理想的效果。本文以低质量指纹图像为研究对象,对自动指纹识别系统中的关键技术进行了深入研究,主要包括低质量指纹图像的分割、增强和特征提取等技术。主要工作和创新如下:(1)针对传统的基于块和像素点的指纹图像分割算法对低质量指纹图像分割效果不佳,在分割过程中容易产生错误分割导致白块效应和有效区域不能与背景完全分离的缺点,提出了基于Canny算子与形态滤波相结合的低质量指纹分割方法。该方法利用Canny算子求取边缘来完成前景模板的粗分割,然后运用基于数学形态学的形态滤波技术,通过选择合适的结构元素对指纹有效区域进行边缘修正和噪声去除,从而准确地将有效区域和背景区分离,且不会造成指纹有效区域脊线信息的丢失。(2)研究了基于方向滤波和传统Gabor滤波的增强技术,实验结果表明,对于低质量指纹图像,传统Gabor滤波比方向滤波有更好的增强效果。针对传统Gabor滤波中纹线方向参数取值不够精确、纹线频率参数求取方法效率不高的缺点,本文对分块方向图通过不同尺度分块的方向图进行判别改进,获得了相对精确的方向参数;采用了一种新的求取纹线频率的方法,用平均频率代替传统的纹线频率参数,提高了其求取的效率,并采用了一个可以根据局部纹路方向和频率来调整滤波窗口大小和方向的算法对指纹图像进行增强。仿真实验表明,改进的Gabor滤波算法在增强效果和实时性方面优于传统的Gabor滤波。(3)采用自适应二值化技术,对增强后的指纹图像进行局部自适应阈值的二值化处理。对于处理后的二值图像,针对自适应阈值求取过大容易在谷线上产生粘连和阈值求取过小容易在脊线上产生气泡的缺点,提出了根据指纹块方向去除粘连和根据白点邻域填充气泡的去噪算法。对于去噪后的二值图像,采用基于改进的OPTA指纹细化算法,对细化后的单像素脊线指纹图像,选择端点和分叉点作为低质量指纹的细节特征,采用模板匹配法进行特征提取,并对提取的细节特征作去伪处理。实验表明,去噪处理后的二值图像更为清晰,纹线也更加平滑。