指纹识别技术是当今社会各领域应用最广泛的、最能够被大众所熟知并接受的生物识别技术之一。现代人类针对指纹识别科学领域的研究历史已达60余年之久,不断取得了丰硕的成果。国内外众多科研机构不断地对指纹识别的关键技术进行深入研究,改进传统方法,提出新的理论,以期获得更精准的识别率、更快的识别速度和更高的安全性。但是社会的发展速度越来越快,人类对指纹识别的需求不断增加,对指纹识别的性能表现也提出了更高的要求,而指纹识别依然存在不少的问题和缺陷。因此,对指纹识别的关键技术进行研究仍旧是一个值得关注的课题。针对采集指纹图像时容易产生低质量指纹图像的问题,本文主要研究指纹图像的预处理技术,目的是为了提高指纹图像的质量,其中包括指纹脊线方向图和脊线频率图的计算、指纹图像的滤波增强技术、二值化和细化以及指纹细节特征点的提取技术。主要进行了以下几个方面的研究：(1)介绍了指纹识别技术的研究背景、研究的意义以及国内外研究者对相关技术的研究现状及成果。(2)介绍了指纹图像的预处理算法流程,详细分析了指纹块方向图和块频率图的计算方法。对于块方向图,采用基于梯度矢量的计算方法,并将方向数据规约到[0,π)的范围内,再利用一个低通滤波器将方向图平滑滤波,尽量确保了方向图的准确性。对于块频率图,采用统计灰阶信息的方法进行计算。(3).对低质量指纹图像的增强技术进行深入的研究,介绍了传统的GabOr滤波增强技术。针对传统Gabor滤波增强方法的不足之处,本文提出了指纹图像分解重构的方法,利用Log-Gabor滤波器将指纹图像按照若干个方向进行分解,再重新合成为一张指纹图像,然后对重构后的指纹图像进行Gabor滤波增强。将新的方法在Matlab平台上实现,实验结果表明该方法能够增强指纹脊线结构的清晰度,更好地还原了被腐蚀的图像区域的细节,一定程度上减轻了块效应的产生。经试验对比,本文的指纹图像重构方法的增强效果比传统的直接用Gabor滤波器增强的传统办法更好。(4)介绍了经典的灰度图像二值化和二值图像细化算法——大津法和OPTA算法。介绍了指纹细节特征点的提取技术,提取了端点和分叉点。由于提取的细节特征点中存在大量伪特征点,本文分两个步骤将这些伪特征点进行滤除：首先,本文采用一种方法来滤除指纹边缘的大量伪端点,计算目标特征点的八邻域块像素灰度值之和,根据灰度值之和的大小判断该特征点是否为处于图像边缘的伪特征点；然后根据伪特征点的空间位置特性,对指纹内部存在的伪特征点进行滤除。本文还对基于特征点的指纹匹配基本理论做了简单的阐述。本文基于Mat lab平台设计了一个指纹识别演示系统,采用本文提出的部分算法,并设计了简单的GUI界面,实现简单的指纹识别功能。