自动指纹识别系统（AFRS）凭借其高度的区分能力和鲁棒性而广泛应用于移动支付、出入境管理以及身份认证等领域。然而,随着移动计算、可穿戴设备和物联网（IoT）等技术的快速普及,传统基于细节点的AFRS需要较大的计算及存储开销且存在两个需要解决的问题:（1）由于指纹图像采集过程中存在旋转、平移以及图像采集不全等内在差异,AFRS每次提取到的细节点数目是不固定的,这种特征形式不易于存储且匹配计算复杂度较高;（2）指纹模板以明文形式进行模板匹配,而上述提到的一些设备经常需要与网络进行连接,指纹模板如果在传输中丢失则会导致用户个人隐私的永久性泄露。融合指纹定长特征的生物特征模板保护技术（BTP）是解决上述问题的主要手段。但是,目前尚无解决这两个问题的成熟算法。现有的指纹定长特征提取算法一般具有冗余的特征维度且比特分布不均匀（低熵值）,这使得这些算法很难在真实场景中应用。此外,现有的BTP算法难以抵抗常见的安全攻击,且模板在变换后一般会导致识别精度的下降,即匹配性能与安全性之间的折中。本文提出了一种紧凑且定长的指纹二值特征提取算法,该特征可以降低匹配计算开销和存储空间消耗。此外,本文提出了两种指纹模板保护算法以实现指纹模板的精准匹配和模板高安全性。本文的整体工作简介如下:（1）针对现有指纹识别算法匹配计算及存储消耗高的问题,本论文提出了一种基于谱聚类和高区分性指纹细节点邻域融合特征（MVCF）的指纹定长二值特征提取算法。其中,MVCF特征描述子利用平滑的高斯函数对中心细节点及其邻域细节点的相关关系进行编码得到细节点特征,同时将细节点邻域的平均灰度差值作为辅助特征。随后,利用基于谱聚类的比特分配算法将不定长的MVCF局部特征描述子聚合为可靠的二值编码形式。得益于抵抗旋转及非线性形变的特征表达、定长以及基于比特编码的特征形式,本文所提取二值特征的匹配速度和鲁棒性都得到了保证。此外,该特征也可应用于一些经典的模板保护或加密算法中。在指纹识别竞赛（Fingerprint Verification Competition,FVC）六个公开数据库上的实验结果表明,与现有的最优算法相比,本文所提出的算法在理论分析及实验验证方面均具有优越性（较低的EER）。（2）针对现有模板保护算法存在的安全性-匹配性能之间的矛盾问题,本文提出了一种基于最小-最大哈希索引（IMM Hashing）的新型生物特征模板保护算法。IMM Hashing算法是基于最小-最大哈希以及局部哈达玛矩阵变换构建的,该算法将定长生物特征不可逆的转换为紧凑且安全的离散索引值哈希码,变换后特征具有较高的识别精度。这种隐式的基于索引值的哈希码具有很强的模板安全性且对特征的数值变化不敏感。由于指纹特征元素索引值一般不会受到具体数值变化的影响,因此这种基于索引值的特征形式可以缓解指纹特征匹配过程中由于数值差异积累导致的匹配误差。此外,局部哈达玛矩阵变换具有计算效率高、变换前后精度保持以及秩亏性质,因此该变换不会损失系统的识别精度且可以作为另一层安全防护措施。在FVC六个数据库上的实验结果表明,IMM Hashing算法可以抵抗常见的安全攻击且满足可撤销模板设计的原则。更重要的是,IMM Hashing算法可以解决安全性-匹配性能之间的矛盾问题,与变换前指纹模板的匹配精度相比,变换后指纹模板的匹配精度损失较小甚至会有所提升。（3）针对指纹模板的快速匹配及模板安全问题,本文提出了一种基于一次置换哈希（OPH）和局部哈尔变换的指纹二值特征生成算法。该算法将指纹定长实数特征转换为128字节的二值特征,该特征可以实现指纹的高精度和快速匹配,且具有较高的模板安全强度（高不可逆性）。这种二值特征也可以应用于一些经典的加密算法中（例如模糊承诺算法）。就我们所知,这是第一项以一阶段的形式从指纹图像中直接提取可撤销二值编码的工作。在FVC六个数据库上的实验结果以及安全和隐私分析表明,本文所提出的算法在性能（EER）上要优于大部分目前的最优算法,且满足可撤销模板所需求的可撤销性及无关联性。此外,这种指纹二值特征的比特分布非常均匀（熵值较高）,这种紧凑的特征表达也使得其可以进行快速匹配,并应用于对安全性和效率有较高要求的现实应用中。（4）验证了所提取特征在其它模态模板保护算法以及指纹加密（模糊承诺）领域的适用性。基于首一索引的虹膜模板保护算法以及基于模糊承诺的加密算法分别与本文所提取的二值特征进行适配并分析其匹配性能。在FVC六个数据库上的实验结果表明,本文所提取的特征在虹膜保护算法和模糊承诺算法中仍具有较低的EER且具有良好的适配性。总体来说,本文的目的是设计兼具识别精度、匹配效率以及模板安全性的指纹识别算法。上述工作在理论分析以及实验验证方面均可以解决目前现有指纹识别算法的不足。尽管如此,仍有一些研究方向可以进一步推进本文所提出算法的性能,例如指纹特征提取与量化算法的联合优化可以用来生成更加鲁棒的指纹二值编码。此外,一些经典的生物特征加密算法（比如密钥生成）,或者跨库识别等任务也可以与本文算法结合以推进高精度、高安全性指纹识别系统的应用。