随着计算机技术和信息技术的发展,生物特征识别技术得到了广泛的应用。生物特征识别技术中有人脸识别技术、指纹识别技术和虹膜识别技术等。相对于人脸识别及虹膜识别,指纹识别有独树一帜的优点,有很高的实用性和可靠性,是当今主流的生物识别技术。指纹具有唯一性和终身不变性,因而使用指纹作为鉴别个人的身份依据有很好的可靠性。指纹识别在我国已经有很长一段时间的使用历史,具有方便、安全、可靠等优点,并且在金融安全、电子商务和数字加密等领域也得到了广泛的应用。指纹识别技术包括四个步骤：指纹图像采集、指纹图像预处理、指纹图像特征提取和指纹图像特征匹配。本文分别对指纹识别技术背景及意义、指纹识别技术的基本原理和指纹识别技术的四个步骤进行了介绍,着重介绍采集过程中因为采集设备、采集环境和指纹本身的缺损造成指纹图像质量不理想的问题以及对指纹图像预处理分割环节进行了方法改进,得到较好的实验结果。本文设计了基于图像质量评估的指纹图像预处理和分割方法,目的在于对质量评估后的低质量指纹图像进行去噪,再根据低质量图像的特征进行指纹图像分割以便得到更清晰的分割图像。对指纹图像去噪之前,首先对指纹图像进行质量评估,筛选出本文需要处理的对象：低质量的指纹图像。本文通过对指纹图像采集过程的了解,采集的指纹原始图像一般有很多噪音,这主要是由指纹图像采集器和手指本身引起,比如采集器表面有污垢、手指有刀伤、疤痕、褪皮,手指被弄脏、干燥、湿润等。因此,对指纹图像质量进行一个评估是有必要的一个步骤。针对指纹图像不清晰对后续工作带来的困扰,本文提出一种多指标融合的质量评估方法——基于指纹脊谷线清晰度的质量评估方法。该方法利用了指纹图像的脊谷线的特性,并选取指纹图像有效面积、灰度均值和方差多指标作为指纹图像质量评估因子,通过综合各个评估因子的分数,最后通过加权计算得到指纹图像质量分数。基于图像质量评估后的低质量指纹图像,本文采用小波阈值去噪方法对通过图像质量评估后的低质量指纹图像进行去噪处理。小波去噪是一个信号滤波的问题,用于图像去噪时可以还原并保留原有的图像,因此本文考虑采用小波去噪。通过质量评估和小波去噪后,进入指纹图像分割阶段。本文研究的对象是低质量指纹图像,目的是对低质量指纹图像进行有效的分割。因此,根据低质量指纹图像的特点,本文提出一种多特征分析的指纹分割方法。该方法采用指纹图像的多特征性对指纹图像进行分析,分别从指纹图像的灰度特性和方向性对指纹图像进行多特征融合的分割,克服了两种方法所存在的缺点,能准确地把背景区域从指纹图像中分离出来,提高了分割的精确度。本文设计的实验过程都在Windows平台上用Matlab7.0编程实现,实验结果说明该套方法处理指纹图像分割效果良好,可有效地对指纹图像进行分割。