在当今社会有许多特征被用于确认个人身份，如声音、掌形、人脸、指纹和人眼的视网膜等等。指纹图像的质量各有差异。为了保证自动指纹识别系统对于不同输入指纹图像的鲁棒性，在该系统中建立增强模型是十分必要的。指纹作为一种独特的身份特征己经在很长一段时间内得到了广泛应用。政府机构(如公安系统)及许多需要高度安全的场所不断收集大量的指纹图像以用于传输、存储和自动分析识别。指纹图像在自动指纹系统的采集、形成、传输过程中，常因外界噪声干扰，采集设备的质量差异而导致其质量退化，为减小噪声的影响，须在预处理过程中对指纹进行一些优化，即采用增强处理。 自动的和可靠的特征提取算法的好坏很大程度上取决于图像的质量，所以指纹的预处理阶段是非常关键的。由于一系列的因素(指纹图像的脊纹表面畸变、出生后的变化、职业性因素和获取指纹图像的设备影响等)，数字指纹图像一般情况下并不具有基于特征点的提取算法所假定的条件，即具备良好的脊/谷结构。我参考了一些经典的指纹增强算法，如非锐化掩模等。本论文表述了指纹图像增强的边缘增强的有效算法，并比较了Daubechies和Haar小波的分解和重构算法，以在分解之后应用非线性函数对指纹图像进行边缘增强。这种结合的算法使得在清晰的区域保持好的结构分布，同时在模糊或是有碎片的区域抑制噪声的扩大现象。 在本论文的最后一章，我总结了这篇论文的工作，分析了它所取得的进展，并提出了将来的研究方向。