随着计算机技术的迅速发展，指纹识别已成为生物特征识别中一个重要的研究课题，指纹作为一种独特的身份特征已经得到了广泛的应用。但目前指纹识别系统的性能很大程度上取决于获得的指纹图像的质量，而采集的图像不同程度上存在着缺陷，因此需要进行指纹图像增强以达到实用要求。本文主要研究了指纹图像的预处理和指纹图像的增强方法，特别是研究了方向滤波和Gabor滤波对指纹图像的增强，并对Gabor滤波做出了一些改进。同时也介绍了指纹图像的分类算法。本文首先总结了在指纹图像预处理中涉及到的一些常用算法，如图像规一化，指纹图像分割及方向图的计算。然后介绍了一种连续方向图算法，用该算法来描述指纹图像和以前的算法相比更加精确，不同方向上的过渡性更好，为后面的工作提供可靠的基础。本文根据实际项目的需要，介绍并研究了方向滤波，Gabor滤波指纹图像增强算法。针对方向滤波采用连续方向图，通过比较采用12个方向的方向图进行方向滤波，并取得了很好的实用效果。研究了Gabor滤波算法，介绍了两种纹线频率估计算法，通过实验比较了一些参数对Gabor滤波结果的影响，并利用Gabor滤波器可以分解为正交方向的一维高斯带通滤波器和一维高斯低通滤波器的特点，将二维滤波分解为两次一维滤波，从而降低了算法的复杂度。实验结果表明该算法能够很好的增强指纹的纹线结构并抑制噪声。指纹的分类是自动指纹识别系统的一个重要环节。本文粗略介绍了目前的指纹分类算法，重点介绍了基于二叉树和SVM的指纹分类算法。该算法应用二叉树理论将原始分类数据分解成3个二类分类问题，然后利用SVM进行二类分类，使3个分类超平面得到优化，充分发挥了SVM在二类分类问题方面的优势。实验结果证明可以有效的提高指纹分类的效率。