指纹作为一种独特的生物特征,通过计算机等自动化设备的采集、识别后可广泛应用于门禁、考勤等智能控制系统。另外,相关的生物学者的研究还表明指纹中所包含的遗传信息与某些疾病之间有着密不可分的关系。因此,指纹识别的核心工作是完成其特征信息的提取以及分类,精准的定位指纹图像、特别是低质量指纹图像的奇异点位置是指纹特征提取和分类的前提。现有的奇异点检测方法应用在低质量指纹图像上会造成奇异点位置偏移或定位区域过大而造成不精准的问题。为了克服这一问题,本论文针对低质量指纹图像的奇异点检测做了大量的研究工作,论文主要的工作和贡献如下:(1)在指纹图像方向场计算的基础上,提出基于方向场的灰度条形统计图的频率估计算法。首先,该算法利用局部有效脊骨-谷线灰度条形统计图结果计算出的频率,实现对指纹频率场的估计和构建。其次,低质量指纹图像中多噪声:脊线不连续、模糊或者直接丢失,会导致计算机无法准确识别到奇异点位置,因此用二维Gabor滤波器对低质量指纹图像进行增强,从而有效的消除噪声的影响。最后,通过对指纹增强图像的归一二值化处理,简化算法的计算过程。(2)提出了一种指纹脊线像素点方向的计算方法。利用各脊线像素点分布的相对位置计算其相对斜率,再通过计算领域所有相对斜率的分布得到指纹图像中脊线上像素点的方向。该方向计算方法能有效的处理图像中纹理形式分布的方向性问题,能够有效的控制局部方向信息的丢失。而后对脊线上像素点的方向进行三方向划分,得到指纹脊线方向图。最终,利用三方向平滑处理方式处理指纹三方向图,能高效的消除噪点并准确的填补非脊线区域。(3)提出基于指纹三方向图的多尺度检测指纹奇异点的算法。通过对三方向图中像素交汇块的寻找和三色块方向序列的计算,能确定指纹中的候选奇异点。而针对三方向图使用多个不同的有效平滑尺度可以获得多组候选奇异点,在此基础上同时检测多个平滑尺度下的奇异点位置并逐级筛,最终达到精确定位奇异点和剔除伪特征点的目的。有效解决低质量指纹图像中奇异点检测不精准的问题。通过对FVC2006指纹图像库的检测,实验结果为:中心点检测的准确率是91.93%,三角点检测的准确率是93.36%,奇异点检测的总准确率是92.35%,本文算法所检测定位的奇异点与HDSP间距小于10个像素点范围的占到总检测结果的80%以上。充分说明了该算法对低质量指纹图像奇异点检测的准确率有明显提升,对奇异点的定位也有更高的精确性。