现有的指纹识别算法应用于低质量指纹图像时,由于指纹图像存在污损、断裂、伤疤和形变等问题,能够提取的有效特征变少或者伪特征变多,从而导致了指纹识别变得十分困难。国内外学者针对该问题已经提出了很多解决办法,但在识别速度和准确率上依旧难以同时达到很高的水平,这也是现如今指纹识别领域中迫切需要解决的问题。针对该问题,分析和总结了国内外学者在低质量指纹图像识别领域提出的学术研究成果,并对其识别过程中的图像增强、图像分割和特征匹配等方法进行了相应的改进和优化。本文的主要工作包括:(1)提出了基于改进算子和自适应微分阶数的低质量指纹图像增强方法。该方法选择了比传统算子更高精度的微分增强算子,并以距离为标准对传统算子结构进行了优化,达到了更好的效果。此外,根据指纹图像的特点,构造了由图像局部信息熵和梯度组成的自适应微分阶数函数,保证了图像中各像素点都能获取较优的微分阶数,从而使得整体的图像增强效果得到进一步提升。(2)提出了基于自适应阈值和形态学的二层分割方法。该方法在第一次分割中,通过选择灰度共生矩阵的对比度方差和其他实验参数来对分割阈值进行自适应优化,提升初步分割效果。在二次分割中,根据初步分割产生噪声的特点,对其进行相应的滤波处理后通过数学形态学的操作,有效地去除了初步分割中的噪声。实验表明该算法在低质量指纹图像上的分割精度达到了96.83%,相比同类型分割算法具有更高精度。(3)提出了基于特征融合的矢量三角形匹配算法。该方法将特征点的基本特征和矢量三角形的结构特征进行融合,构造出全新的特征向量。并基于Delaunay三角剖分的优点,对局部特征向量的结构进行了优化,同时在二次匹配中优化了可变限界盒的设计,提高了低质量指纹图像的识别准确率。同时还对整个匹配过程进行了优化,通过二层匹配方式实现指纹的快速识别。实验表明该算法在识别低质量指纹图像时相等误差率只有7.6%,比同类型匹配算法具有更低的错误率。