指纹识别是因为其悠久的历史以及较高的识别精确度，成为了目前最成熟的生物特征识别技术之一，并被广泛的应用到各个领域当中。然而直到目前为止，非理想条件下指纹识别中仍存在一个指纹识别中的技术难点。本文针对非理想条件下指纹识别问题，特征提取以及匹配两个方面进行研究：在匹配阶段，从两个方面进行研究，在识别过程中引入学习机器思想，利用指纹匹配获得的信息进行模板增强对模板信息进行处理；引入新的特征信息用于指纹匹配，增加指纹识别过程中可用的有效信息量。在特征提取阶段，方向信息提取为研究点，通过对指纹方向信息的可靠计算，提高在非理想条件下指纹识别的效果。 本文的主要工作主要包含三个部分指纹识别中的模板增强算法、混合指纹匹配以及方向信息计算： 指纹识别中的模板增强算法：在自动指纹识别系统当中，因为系统中指纹模板包含的信息不全以及信息的不准确可能会导致系统产生错误的拒绝或是错误的匹配。因而如何改进模板的质量，也就是模板增强，对于一个自动指纹识别系统来说，至关重要。我们提出了一个新的指纹模板增强算法。根据机器学习中基于案例学习以及概率论上的一些理论，通过删除模板中的伪细节点、增加模板中丢失真细节以及调整模板中细节点参数等手段对模板进行增强。为了检验我们算法的效果，我们建立了特殊的指纹图像库。在我们自建的指纹库以及公开数据库fvc2000上面的实验表明，应用我们的指纹增强算法，指纹模板的质量逐渐提高，系统的性能逐渐提高。 混合指纹匹配：可用于匹配的特征信息不足是指纹识别，特别是基于细节点进行指纹匹配中存在的主要问题。在本文中，我们研究同源指纹与非同源指纹在全局方向信息上面存在差异，设计了一种基于全局方向信息的指纹识别算法，并将基于全局方向信息匹配的识别算法与基于细节点匹配的指纹识别算法在分类器级别上，利用SUM规则进行融合。在bac2005指纹竞赛上面的竞赛结果显示，我们设计的混合指纹匹配算法，在识别的精度上能够获得较满意的识别效果。 方向信息计算：指纹图像中的方向信息是指纹识别中重要的特征信息之一，