随着网络社会的到来与电子商务的日趋普及,传统的依赖信物或口令的系统安全性技术已经面临严峻的挑战。随之而来的生物识别已经成为安全技术研究的热点。其中自动指纹识别技术是最可接受的、可自动化的和成熟的生物识别技术。然而在实际应用中,有很大一部分指纹图像质量较差,为了可靠地提取出指纹特征,为指纹识别提供可靠的依据,进而提高整个系统的性能,必须经过一个有效的增强处理。本文所做的正是指纹图像增强方面的一些研究。小波变换在近几年的广泛应用,给指纹图像处理提供了新的研究方法。小波变换作为一种新颖的数学工具,由于其多尺度、多分辨率的固有特性,使它在图像处理领域,表现出以下优点:小波变换的完善重构能力,保证了信号在分解过程中没有任何信息损失,也不会产生任何冗余信息;小波变换把图像分解成逼近图像和细节图像之和,它们分别代表了图像的不同结构,因此,原始图像的结构信息和细节信息很容易被提取;二维小波分解为图像的分析提供了方向选择性。基于以上分析,本文着重进行了基于小波变换的指纹图像的增强研究。主要工作如下:1.提出了一种基于中值滤波与小波变换的指纹图像去噪方法。根据指纹图像随机噪声存在的类型,提出了一种基于中值滤波与小波变换的指纹图像去噪方法。深入研究了小波变换在指纹图像去噪中的应用,包括:小波基的选择、分解层数的选择、小波变换模极大值与Lipchitz指数的关系、含有噪声的指纹图像小波系数分析、小波阈值的选取等。并在此研究的基础上,设计并实现了基于小波变换模极大值和小波阈值的指纹图像去噪算法。最后利用Matlab平台对国际标准指纹库FVC2004提供的指纹图像进行去噪实验,取得了较好效果。2.提出了一种基于小波变换的指纹图像增强方法。根据指纹图像经常存在纹线结构不够清晰、断点、叉连等结构性噪声,提出了一种基于小波变换的指纹图像增强方法。在前人研究的基础上,该方法利用小波变换的高低频分解特性,首先在低频域准确地估计了纹线的方向和频率信息,既避免了高频噪声信号对纹线方向信息和频率信息的干扰,又节省了时间。然后根据小波分解后不同子带的特点及不同的增强目标,选择不同的滤波方法,恰当地结合了Gabor滤波器和方向滤波器的优点。最后进行小波重构。实验证明,本算法取得了较好的增强效果和较高的时间效率。以前人的研究为基础,本文对基于小波变换的指纹图像增强进行了研究与探讨,希望能够对相关领域的进一步研究工作起到一定的推动作用。