目前大多数移动终端采用的都是小型指纹传感器，只能捕捉到部分指纹图像，录入的部分指纹图像无法提供充足的细节点特征。因此，传统基于细节点的指纹匹配算法无法应用于移动终端。同时，移动支付等使用指纹识别系统的应用软件，对指纹匹配算法提出了更高的要求。新的针对移动终端的更精确、更安全、更高效的部分指纹匹配算法的研究势在必行。　　本文从基于细节点柱状编码结构(Minutia Cylinder-Code，MCC)的常规指纹匹配算法中得到启发，通过分析及实验，提出了基于特征点柱状编码结构(Modified Feature Point Cylinder Code，MFPCC)的部分指纹匹配算法。MFPCC结构对原始MCC结构做出了两方面的改进。其一，结构通过改变原始MCC结构的贡献度计算方式，将柱状体高度降低一半，在保证匹配性能的同时，大幅度减小了计算复杂度，解决了原始MCC结构冗余和构建时间较长的问题;其二，结构扩展了原始MCC的特征选择范围，其不仅可以与细节点结合形成改进的细节点柱状编码结构(Modified Feature Point Cylinder Code-Minutia，MFPCC-M)，还可以与脊采样点结合，形成改进的脊采样点柱状编码结构(Modified Feature Point Cylinder Code-Ridge Point，MFPCC-RP)，解决了由于传感器面积太小导致的特征缺失问题。　　本文提出的基于MFPCC的部分指纹匹配算法分为特征结构建立、局部匹配和全局匹配三个阶段。在特征结构建立阶段，分别对细节点和脊采样点建立MFPCC-M结构和MFPCC-RP结构;在局部匹配阶段，分别对MFPCC-M结构和MFPCC-RP结构使用二进制向量相关性计算局部相似度;在全局匹配阶段，分别对细节点对和脊采样点对使用局部相似度松弛算法(Local Similarity Assignment with Relaxation，LSA-R)进行筛选，惩罚错误匹配对相似度的同时增强正确匹配对相似度，最终匹配分数将会通过综合考虑MFPCC-M结构和MFPCC-RP结构的全局匹配结果得出。　　本文提出的算法保持了原始MCC算法的指纹平移旋转不变性、噪音和指纹细节点提取错误鲁棒性、面向二进制编码性和低可逆性，并且满足移动终端上部分指纹识别系统对于指纹图像方向的包容性、指纹皮肤状态的鲁棒性、匹配高效性和模板安全性的要求。本文在FVC2002和FVC2004数据库上对本算法进行了实验，并与四个著名的匹配算法进行了比较。结果表明，本文提出的算法在等错率、安全性和匹配速度上具有较好的综合性能和突出的适用于轻架构的能力。