指纹识别是一种非常可靠的身份识别方法，自动指纹识别系统用途广泛，它在日常生活中发挥着重要作用。自动指纹识别技术主要通过指纹图像采集、图像预处理、特征提取、保存特征数据和特征值的比对与匹配几个过程来完成识别。而指纹匹配是指纹识别系统的核心步骤，指纹匹配用以判断两个指纹是否属于同一个人。匹配主要解决两幅指纹图像间的平移、旋转和非线性形变问题，人们在这方面做了很多工作，算法的缺点是时间复杂度和准确度不能满足实际应用的需要，因此，指纹匹配目前仍然是指纹识别系统设计的难点和热点。 指纹图像是由指尖表面的脊和谷组成的纹路，具有较强的方向性，由于指纹方向图抽象了指纹脊线与谷线交错平行分布的特点，反映了指纹图像纹理结构的本质，目前方向图被广泛应用于指纹图像的匹配。 本文首先分析了指纹方向图的特点、求取方法，并采用掩膜法获得了平滑准确的方向图。然后结合指纹的方向特性，改进了两种指纹匹配算法：指纹纹理匹配算法和极坐标转换下的细节点匹配算法，并通过实验验证了算法的可行性。最后，分析比较了这两种匹配算法的优缺点，同时展望了指纹匹配算法未来的发展方向。 在指纹纹理匹配算法中，针对目前中心点定位方法对发生旋转的指纹图像处理不佳的缺陷，结合方向特性和结构特性，提出了一种新的中心点定位方法，中心点定为凸脊中曲率最大处。并结合方向特性和指纹图像局部区域的平均绝对方差改进了现有的指纹编码方法，通过比较指纹编码间的距离进行指纹匹配。实验结果表明，本文的算法对发生旋转的指纹图像具有很强的鲁棒性，匹配精确度有一定的提高。 极坐标转换下的细节点匹配算法分为两个阶段：特征点集校准和校准后的匹配。在校准阶段，针对目前脊线校准方法占用存储空间大、校准速度慢的缺陷，提出了特征点类型校准方法，该方法只需要判断特征点的类型是否一致，不影响校准的准确性，而且校准速度快。在匹配阶段，为减小图像非线性形变对匹配算法的影响，引入了可变大小的限界盒，如果比对的两个特征点都位于限界盒内，那么这两个特征点就可能是一对匹配点。实验结果表明，本文的算法在不影响匹配准确度的情况下，提高了匹配速度。 对上述各算法，本文均进行了模拟实验。结果表明，算法的性能都达到了设计要求，能够准确地工作。