随着科技的发展,人们在个人身份识别方面提出了更高的要求,生物特征识别技术作为目前安全级别最高的技术,受到了越来越广泛的关注。指纹由于其稳定性、唯一性和便捷性等优点,在身份识别中应用广泛。同时,随着指纹采集设备性能日渐提升,传感器能获取更高分辨率的图像和更加丰富的指纹特征,指纹识别技术的准确率和鲁棒性也不断提高。对高分辨率指纹图像的研究已成为当前的热点。嵌入式系统中需要对指纹进行拼接,指纹的配准技术是拼接的关键。高分辨率指纹图像带来高精度、高防伪能力的同时也衍生了一些其他问题:相同大小的指纹区域,高分辨率比低分辨率图像大,配准所需的计算量更大。而身份识别对实时性要求很高,虽然指纹识别有许多研究成果问世,但仍难满足部分应用对时间性能的需求,高效地实现指纹图像的配准具有重要的实用价值,如何合理利用有限的资源实现快速配准至关重要。本文以图像配准为中心,主要针对基于相位相关的图像配准方法进行了深入研究,本文的工作可以概括为以下三个方面:1.指纹图像预处理方面,本文根据采集到的原始指纹图像噪声分布的特点,提出了一种快速的中值滤波方法,分析了其速度优势,证明了该方法在本文提供的指纹库中的可行性。通过与传统中值滤波方法的对比实验,说明了该方法在对结果影响较小的情况下,可以极大地提高运行效率。2.对指纹图像平移进行配准方面,通过对基于傅里叶变换的配准方法进行分析,得出影响其运行效率的主要是反变换部分,经过理论推导,提出一个理想情况下可以替代反变换的模型,并验证了该模型的可行性。通过实验优化该模型的搜索策略以及参数,使得在与传统方法差异很小的情况下提高了配准速度。3.尝试使用卷积神经网络对指纹图像进行配准,求图像间的平移量与旋转角度。构造了两个不同的深度的卷积神经网络,每个网络分别使用两种模型进行对比,验证其在指纹图像配准方面的可行性。