生物识别技术是根据身体或行为特征来鉴别一个人的有效的方法，如指纹、声音、虹膜和笔迹等。依靠这些身体特征进行身份验证的技术即是生物识别技术。其中指纹识别凭借其使用方便、无损伤和成本相对低廉等优点使用最广泛，一直以来成为人们研究和讨论的热点。 指纹识别算法的核心，包括对指纹图像的预处理、特征提取和特征匹配。预处理一般包括图像增强、二值化、细化等步骤，其效果的好坏直接关系到指纹匹配的准确程度。本文着重讨论预处理中的图像增强算法。Gabor变换是一种特定的小波变换，它摒弃了传统空域滤波对于处理指纹图像的局限性，即经典空域滤波器大多数都是在空域上处理的，成像特征与空间坐标x，y无关。当指纹图像信号通过一个均匀低通滤波器时，大多数经典的滤波器在抑制高频噪波的同时，也抑制了指纹图像的高频结构，导致了图像细节的损失以及亮暗突变边缘处的模糊化；Gabor变换是普通傅立叶变换针对纹理特征的有效改进。它充分利用指纹图像原有的方向和频率信息，在提取指纹固有的纹理特征、去除噪声上有明显的效果，在处理规则的指纹图像(脊和谷灰度值等间隔均匀变化)效果很好，但是所采集的指纹并不都是Gabor滤波所能处理的理想指纹图像。因此本文优化了Gabor滤波函数中的标准差δx，δy和滤波器的窗口大小，将它们定义成指纹脊线频率的函数式，这样的可以使Gabor滤波器充分利用图像原有的信息来对图像进行增强。同时，本文在增强滤波的同时进行了二值操作，来达到简化预处理步骤、提高系统效率目的。本文对Gabor滤波算法的研究正是围绕对上述两方面的进行的。