指纹识别作为发展较成熟的生物特征识别技术,已广泛应用于公共安全、金融、刑侦等领域。自动指纹识别系统作为指纹识别的重要应用,一般包括指纹图像采集、预处理、特征提取和匹配四个部分,其中指纹图像预处理的好坏直接影响后续匹配的结果,因此在整个指纹识别流程中具有重要作用。目前,移动端指纹识别系统正向着低成本、低功耗化的方向发展,市场上主流的手机指纹采集系统从电容传感器采集系统向屏下光学采集系统过渡,其中LCD屏幕具有寿命长、成本低以及不易使人产生视觉疲劳等优点,受到了更高的关注。然而,LCD屏下指纹采集系统特殊的成像方式给指纹图像预处理带来了新的挑战。LCD屏下指纹采集系统采用的双侧分时打光方式,导致了指纹图像光照不均与像素漂移;此外,屏幕固有结构信息和外界噪声干扰,进一步导致了指纹图像的脊线信息较弱。针对单次采集侧打光导致的光照不均匀问题,本文提出一种基于Gamma校正的光照补偿算法,根据Lambert光照模型,对传统的Gamma校正算法进行改进,有效降低光照不均匀的影响。针对脊线信息被屏幕和噪声干扰的问题,本文提出一种基于引导滤波的指纹图像脊线获取算法,通过形态学闭滤波及迭代平滑滤波获取了以脊线信息为主导的引导图像,并通过引导滤波有效提取出脊线信息。针对分时获取的两张图像中存在的像素漂移问题,本文提出一种多特征结合的指纹图像融合质量评价指标,并提出一种基于最佳偏移量的指纹图像融合算法,通过本文提出的质量指标来获取最佳融合效果。同时,为进一步增强脊线信息,针对传统指纹方向场估计算法准确率较低的问题,本文提出一种基于CNN的指纹图像脊线方向分类算法,使用集成学习方法提高了指纹方向场估计的准确率,并使得增强效果更优。实验结果表明,本文提出的算法能有效地获取和增强指纹图像的脊线信息。