生物特征识别是根据每个人特有的生物特征或行为特征来进行身份识别的技术。与传统身份识别方法中采用的密码口令或标识卡相比较,生物特征具有与人不可分割的联系,而且具有无需记忆或携带、难以伪造、不可更改等优点,是理想的物理身份替代者。因此,随着技术的进步,生物特征识别技术得到广泛应用。与此同时,用户越来越关注自身生物特征信息的隐私性和安全性,担心在使用过程中生物特征信息会被泄露。特别是存储在模板数据库中的特征模板可能会被攻击者盗取,甚至一些数据库管理员将用户模板特征信息恶意泄露或出卖给攻击者。攻击者可利用模板特征,采用交叉匹配等方法,入侵采用此特征的其它认证系统。由于生物特征的不可更改性,特征模板信息泄露造成的安全威胁将是永久性和广泛性的。因此,现有生物特征识别系统通常只在具有高度公信力的机构组织中采用,或者在用户自己能完全控制、监督整个系统的情况下采用,而对于公信力不足的组织机构,用户很难放心使用,这造成了进一步推广生物特征识别技术的障碍。为此,研究生物特征识别系统中自身特征信息,尤其是模板信息的安全保护,具有重大的现实意义。　　 本文针对目前应用最广泛的指纹特征,深入研究其识别技术和模板安全保护技术。论文的主要贡献归纳如下:　　 (1)提出了一种基于复滤波的指纹细节点邻域纹理特征及其提取方法,并给该纹理特征定义了一种匹配距离用于纹理匹配计算。该纹理特征可区分具有不同邻域方向图分布的细节点,且不受指纹旋转平移的影响。分析和实验结果表明,对该纹理特征进行匹配时,采用本文定义的匹配距离比平均欧式距离具有更好的区分度；利用此纹理特征可提高现有细节点匹配算法的匹配精度和速度。　　 (2)针对现有基于指纹灰度图的细节点提取方法对低质量指纹图像的提取效果较差,会产生大量伪细节点的问题,提出了基于二值化图像进行脊线跟踪的指纹细节点精确提取方法。该方法通过方向滤波和二值化处理消除了指纹图像上的各种噪声、刮痕等因素的影响,采用平滑和加权联合处理来校正跟踪点,并利用循环扩散方法检测脊线连通性。实验结果验证了该方法的有效性。　　 (3)针对现有的指纹细节点匹配方法在匹配精度和匹配速度上很难同时达到令人满意效果的问题,提出了一种融合了全局特征粗对齐和细节点精确对齐、全局配准和局部配准的细节点快速匹配方法。通过奇异点对齐、基于复滤波的细节点邻域纹理特征粗匹配、细节点邻域匹配三层特征匹配方法,快速筛选出最佳匹配细节点作为指纹精对齐的参考点。通过在邻域匹配中采用局部配准方法,克服弹性形变的影响；通过在扩散搜索中采用全局配准方法来确保获得的匹配细节点的整体分布结构的一致性。实验结果表明,本方法的匹配精度和速度优于现有的采用类似特征的细节点匹配方法。　　 (4)针对Lee提出的目前最有效的指纹细节点模板形变方法中存在识别精度较低的问题,提出一种统一变换参数的细节点模板形变方法。该方法采用统一变换参数进行细节点位置的特征变换,减小变换误差；而细节点方向角的变换,仍采用Lee的方法,从细节点邻域信息中提取变换参数,保证变换的不可逆性。实验结果表明本方法的综合性能(识别性能与抗交叉匹配性能)优于Lee的方法。　　 (5)针对模板保护方法中的生物特征变换方法不能抵抗模板重放攻击、生物特征加密方法存在泄漏生物原始特征的危险的问题,本文将这两类方法融合,提出一种基于BioHashing和Fuzzy Commitment的指纹模板双重保护方法。并对BioHashing环节的FingerCode码的提取提出了改进措施,采用细节点位置特征对齐指纹,并采用随机确定FingerCode码提取区域圆心。分析和实验结果表明,所采用的措施提高了识别率,安全性和识别性能优于现有生物特征变换方法(BioHashing的改进方法与Lee的方法)。　　 (6)针对现有的指纹Fuzzy Vault模板保护方法中存在的影响安全性和识别精度的问题,提出了一种基于细节点不可逆形变和Fuzzy Vault的指纹模板双重保护方法。该方法对现有的Fuzzy Vault方法进行了如下改进:(a)对不可逆形变后的细节点进行Fuzzy Vault编码,防止原始细节点特征的泄露,且变换后细节点方向角分布随机,可用于Fuzzy Vault编码,增加噪声点数量,提高系统安全性；(b)采用另一组变换参数对细节点进行不可逆形变,从变换后的细节点中选取部分点的位置信息作为对齐辅助数据,该数据不会泄露指纹方向图或细节点信息；(c)将细节点与多项式曲线上点进行绑定,代替原方法中的直接量化处理,不影响匹配精度,且改进后绑定的密钥长度不受限制。分析实验结果表明,本方法的识别精度与安全性优于现有的指纹Fuzzy Vault方法。