随着算法研究的深入和指纹采集设备性能的提高,近年来,自动指纹识别系统已经成为生物特征识别研究的一个热点,广泛应用于生活各个领域。自动指纹识别系统包括指纹采集、指纹增强、指纹分类、特征提取和指纹匹配等内容。虽然已有不少国内外学者对指纹识别技术作了大量研究,但到目前为止,指纹识别系统仍存在着一些技术上的难点,主要体现在非理想条件下指纹图像的识别问题。如果指纹图像质量较差,例如干、湿、曝皮等,会对指纹识别系统的性能产生较大的影响。本文针对以上问题进行了深入研究。针对现有指纹图像质量分类方法存在的不足之处,首次提出采用支持向量机对指纹图像质量进行分类的思想,并使用该思想实现了基于支持向量机的指纹图像质量分类方法。首先采用已有的指纹图像质量评价指标对指纹图像进行评价;然后使用该评价得分训练分类器(SVM);最后使用训练后的分类器完成指纹图像质量的分类。指纹数据库上的实验结果证明了该算法的有效性。在分类的过程中,作者发现,该问题存在较为明显的类别不平衡问题。针对这一问题,作者提出了改进的基于支持向量机的指纹图像质量分类方法。在使用质量评价得分训练分类器之前,使用SMOTE方法调整样本比例,并对调整后的样本集进行训练,最后完成分类。指纹数据库上的实验结果同样证明了该算法的有效性。指纹质量的高低对方向场信息的提取有非常大的影响。指纹图像质量越差,方向场信息越不准确。真实的方向场是连续的,但是,由于低质量图像的影响而提取出的错误的方向场信息是杂乱不连续的。针对这一现象,作者提出了一个新的基于方向场信息的质量评价指标。该指标能够快速的对指纹图像质量进行判断,其有效性在指纹数据库上得到了验证。全文内容共分五章。第一章绪论,主要介绍了指纹识别技术的概况及其存在的技术难点;第二章研究并实现了基于支持向量机的指纹图像质量分类方法;第三章介绍改进的基于支持向量机的指纹图像质量分类方法;第四章介绍了基于方向场信息的指纹图像质量分类方法;第五章为总结和探讨。