指纹鉴别技术作为一种身份鉴别方法,是各种人体生物特征鉴别技术(Biometrics)中最重要的一种.通常该技术面向应用时,首先通过指纹传感器采集指纹,再根据实际需要在选择好的处理器上实现指纹的比对,最后将比对的结果通过一个终端反映出来,达到身份鉴别的目的.该文的研究主要是基于在微机系统中的指纹鉴别技术研究.通过对多种指纹鉴别技术的研究,该文分别提出了:(1)一种有效的图像增强方法,(2)连通域边缘伪特征点的去除方法,(3)一种新的指纹特征用于快速匹配的算法,最终取得了较好的实验效果.该文算法由归一化、计算方向图、图像增强、细化、特征点提取,特征点匹配六个步骤组成.其中方向图的计算采用了连续方向和离散方向两种方式表示.图像增强是特征提取过程中非常重要的一个步骤.一般Gabor滤波器能有效地图像增强.但对于低分辨率的指纹图像,由于前景与背景的灰度差别很大,采用通常的空域Gabor增强后仍然有误增强和增强不充分的情况.所以针对此情况该文提出了采用非线性与线性相结合的二次图像增强的方法.首先进行非线性的图像增强使用Gabor滤波器,对增强后的灰度图像进行二次线性增强,即利用指纹的方向信息进行量化处理.实验结果表明该文提出的方法具有更好的增强效果,与经典的Gabor图像增强方法比较,使用该文方法图像增强后特征提取准确率明显提高.在特征提取这一步骤上,该文采用了两遍串行细化特征提取的方法,并基于两遍细化去除伪特征点.经过以上各步骤,比较准确地提取了特征点的类型、坐标和方向.在匹配过程中,该文提出了邻域方向特征(Neighborhood Direction Feature).该特征由特征点的脊线旋转方向和四个脊线切割数构成,具有平移和旋转不变性.实验结果表明,该特征有效地降低了误识率并加快了匹配的速度.