足迹检验技术是现代刑事科学技术工作中不可缺少的重要组成部分，在侦查破案和三大诉讼中有着重要的地位和作用。目前这项技术还处于起步阶段，还有许多需要补充及完善的地方，尤其是利用计算机对足迹图像进行自动处理和识别。 本文的主要研究成果如下：(1)针对未配准的足迹图像之间存在旋转和平移情况下的配准问题，提出了一种基于亮度和特征的混杂配准方法。这种新的混杂配准方法解决了单独采用基于亮度方法产生的混淆现象问题，同时它比单纯的基于特征的方法更精确、鲁棒性更好。 (2)根据足迹图像的特点，提出了一种基于小波分解的像素级图像融合方法：和基于分割区域和神经网络的特征级图像融合方法。在配准精度较高的情况下两种方法都能得到较好的融合效果，而在配准精度不高时第二种方法的融合效果要好于第一种方法。(3)根据足迹图像噪声的特点，提出一种多尺度形态学去噪方法，这种方法将噪声图像中不同尺度特征提取出来并保存在形态学金字塔中，然后根据不同尺度噪声的多少给予不同的权重进行噪声平滑处理，最后通过对形态学金字塔进行重构得到滤波图像。 (4)根据足迹图像的特点及足迹特征测量的需要，提出基于模糊逻辑与神经网络的足迹图像边缘检测方法和基于小波变换的足迹图像二维熵快速阈值分割方法。基于边界分割技术的方法能在输入图像中检测出粗细适度的图像。基于小波变换的灰度—梯度二维最大熵阈值法结合了小波多分辨率与阈值法的优点，有效地克服了噪声对阈值法的影响，并且计算复杂程度和运算量都大大减少。 (5)在综合分析几种成熟的图像描述算法特点的基础上，提出了基于足趾图像的几何特征量值的足趾形状描述方法。这个描述足趾形状的特征向量在二维连续空间中具有平移、旋转、尺度不变的特征，为足趾形状的进一步识别提供稳定的特征描述参数。(6)在对足趾形状特征提取的基础上，提出了BP神经网络足趾形状识别方法和模糊神经网络足趾形状的识别方法。大量的实验结果表明，使用BP网络方法对足趾图像进行识别具有较高的识别率，总体正确识别率为91.09％。在模糊神经网络足趾形状识别方法中，将描述足趾形状的特征向量进行模糊处理得到综合评判向量，并将综合评判向量与四类模型矢量的距离向量送入神经网络进行识别判断。由于这种模糊神经网络识别方法能客观、准确地反映出足趾的不同形状，所以使得总体自动识别率达到92.80％。