自动指纹识别技术作为生物特征识别的一个分支,得到了业界的深入研究和广泛的应用,并且容量也越来越大。通过将查询指纹与大容量数据库中的所有指纹一一比对来查找的方法非常耗时,不具有可行性。因此,本文致力于大容量指纹数据库识别技术的算法研究。　　 如何设计恰当的策略,既能减小搜索空间,又能保持较高的准确度,是值得研究的问题。常用的解决方案包括分类和索引两大类。然而,通常的方法都仅仅采用一种形式,忽略了两者之间的优势互补。另外,指纹识别存在两大难题:由于按压过程不规范会导致指纹图像出现残缺的情况,以及按压过程本身会导致指纹图像的非线性形变。如何设计能够克服这两大问题的具有区分性的特征也是一个值得关注的问题。目前很多特征都关注于指纹的全局和细节点信息,但这两者都不能很好的解决上述问题。　　 基于以上分析,本文针对大容量自动指纹识别系统的检索算法进行研究,比较了几种感兴趣点描述子应用于指纹索引的性能差异,提出了一种基于分类-索引-检索框架的检索策略,分别对框架中分类和索引策略提出了解决方法。本文主要有以下4个贡献:　　 (1)提出了分类-描述子索引的综合索引和检索框架。先对查询指纹分类,然后在对应类别中进行下一步的检索工作。该方法在保证检索有效性的同时提高了指纹检索的效率。　　 (2)比较了SIFT,SURF,DAISY3个感兴趣点描述子在应用于指纹索引和检索问题时的性能,证明了SURF更适合于作为指纹索引的特征。　　 (3)提出了基于对描述子进行聚类分析的方法以缩小搜索空间的方法。对于每个类别所对应的指纹提取出感兴趣点描述子并对它们聚类,再对每一个类别建立位置敏感哈希表(LSH)。同时对类别原型用PCA作降维处理,这样在查询指纹时,就可以减少分配指纹描述子类别的时间。　　 (4)提出了当分类失败时的类别跳转准则。对于查询指纹,可能因为类别判别错误而被划分到不包含该指纹对应手指的指纹类中,因此本文提出类别跳转准则,用于检验初始分类的正确性。把检索到的候选指纹与查询指纹进行粗匹配,若匹配成功,则返回检索结果;若失败,则利用类别跳转表进入下一个最可能的指纹类别对应的LSH表组里进行检索。若所有类别都找不到匹配的指纹,则宣告未检索到正确结果。　　 在通用数据库NIST-4上的实验表明,基于感兴趣点描述子的综合指纹分类-索引-检索框架可以较好的解决大容量指纹数据库的检索问题,在保证较好的检索有效性的同时,提高了效率。