屏下指纹相关技术具有可增加屏占比的特性,符合当前全面屏手机发展趋势,因而具有良好的发展前景。屏下指纹提取与增强技术作为其中关键,可以从指纹传感器传来的复杂图像中提取出指纹图像,并对其进行增强,以满足后续指纹识别相关要求。目前OLED屏下指纹提取与增强技术更适合高成像质量的指纹传感器,在低成像质量传感器中表现不佳,提取到的指纹图像存在着噪声累积、清晰度低等问题,并且现有增强算法在提取到的指纹图像上效果较差,无法准确描述指纹脊谷纹线。针对以上问题,本文展开以下研究:首先,针对当前屏下指纹提取技术中存在的图像噪声累积问题,本文从细化噪声组成和减少提取算法所需图像数目的思路出发,提出了改进的基于块核范数的屏幕细小纹理分离算法及基于双输入图像的无监督背景提取网络,有效减少屏幕细小纹理噪声的累积,提升了背景图像的针对性,达到了减少累积噪声的目的。然后,针对依据“指纹-背景”建模的现有算法中存在的指纹清晰度低、脊谷纹线淹没在背景图像中的问题,本文提出了基于“指纹-背景-掩码”的建模方式,并据此构建了用于提取屏下指纹的无监督图像分离网络模型USFDN。USFDN网络模型采用耦合的深度图像先验网络,利用背景图像作为先验知识并引入了SOS提升模块以加强对指纹脊谷纹线的捕获能力,同时提升了指纹清晰度。最后,针对提取的指纹脊谷纹线断裂/粘连以及现有增强算法效果较差的问题,本文提出了基于方向滤波与SSI提升策略的屏下指纹增强算法。首先将原始图像与增强图像进行融合以弥补滤波过程中丢失的脊谷细节,接着使用改进的方向滤波算法矫正指纹方向场,最后使用方向场和频率信息配合Gabor滤波器减弱图像中的噪声。该算法改善了现有增强算法滤波过程中带来的脊谷纹线细节缺失现象,在修复断裂/粘连脊谷纹线的同时提升了脊谷纹线对比度。本文与合作公司建立数据集ZWF2020,并在此基础上进行大量对比实验。与现有算法相比,本文提出的指纹提取算法能够有效改变现有算法中的噪声累积现象,提高指纹脊谷纹线清晰度,更好地分离出屏下指纹。此外,本文提出的指纹增强算法能够较好地修复指纹脊谷纹线中的断裂/粘连区域,有效提高指纹质量。