指纹自动分类是自动指纹识别系统的一个非常重要的组成部分，一直以来都是国内外研究的热点和难点。随着社保系统等基于大规模指纹库的民用指纹识别系统的发展，如何缩小搜索指纹对象的范围，提高指纹识别匹配的检索效率，是指纹分类研究的核心内容。本文基于大规模指纹数据库，主要贡献和创新总结如下：1.指纹分类算法的性能优劣，需要一个拥有大量指纹图像的样本和测试数据库进行测试。为此，本文设计了人工生成指纹和人工模拟指纹的算法，通过这两个算法生成的指纹图像在指纹的纹理特征、图像的质量等方面都与通过采集设备得到的指纹图像非常相近，具有实验价值。从而构建了由标准指纹数据库、小规模自采集指纹数据库、人工生成指纹数据库和人工模拟指纹数据库共同组成的大规模指纹库，为后续的指纹预处理和分类研究做好了数据保证。该大规模指纹数据库的构建体系同时也为自动指纹识别算法的测试和验证提供了新思路，具有一定的推广意义。2.由于采集设备、环境因素、以及刀伤、疤痕、撕破、干燥、湿润、油污、压力等原因都会造成采集到的指纹图像中会有噪声的出现。为了保证分类的准确性，提高分类算法的鲁棒性，就必须做好指纹图像的预处理。本文以数学形态学和计算机图像处理技术为工具，研究了指纹图像的质量评估指标、基于多尺度的方向图的计算、脊线频率的计算、脊线类型的聚类和自适应预处理。在此基础上，提出了灰度统计特征与方向图信息相结合的指纹图像分割算法，并通过圆形Gabor滤波器实现了指纹图像的增强。该算法具有较好的分割效果和很强的自适应能力。3.提出基于人工交互文本、指纹的纹形类别、核心点与三角点间脊线数和平均周期的多级指纹分类体系。可根据实际需要适当加入人工参与机制，通过交互文本作为分类检索指标以提升匹配速度，提高匹配准确性；也可以屏蔽人工交互文本，只采用三种自动分类特征，实现大规模指纹数据库的自动分类。大量实验数据结果证明，本文提出的多级指纹分类方法具有较高的准确率，分类特征具有明显的代表性，分类算法具有较好的有效性和较高的分类效率。