本文对自动指纹识别系统的理论和核心技术作了深入的研究，主要研究了指纹图像预处理中的前景与背景分离算法、指纹细节点检测算法及指纹分类算法。在一对一验证模式下的自动指纹识别系统中，分别用软件(VC语言)实现上述算法。实验结果表明，这些算法能使该系统的各项指标得到显著提高。主要研究内容包括： (1)深入研究了指纹图像的前景与背景分离算法。分别实现了两种分割算法——方差法和方向法，对这两种算法分割结果进行分析和比较，指出各自的优缺点。针对这两种算法的不足，提出了一种基于方向灰度方差的新的指纹图像分割算法，该算法结合方差法和方向法的优点，解决了方差法对指纹区域的脊线、谷线无法识别及方向法在非指纹区域和指纹质量较差区域效果下降等固有缺陷，充分利用指纹图像特有的方向性和灰度特性进行分割，并将指纹图像块按质量的好坏划分为不同的等级。实验证明，本算法能准确地将背景区域从指纹图像中分离出来，既节约了预处理时间，又能保证一定精确度。 (2)研究了指纹图像的细节点检测算法。针对传统算法(先经指纹图像预处理、再提取细节特征点)计算复杂度高、速度较慢的现状，提出了一种基于纹线跟踪的新的指纹细节提取方法。本算法不必经过二值化、细化等过程，直接跟踪灰度级指纹图像的每一条脊线，直到满足结束条件为止。跟踪完毕后就得到一幅细化了的指纹图像及上面的端点和分差点等细节点信息。本算法直接从灰度级指纹图像中提取细节特征信息，避免了预处理过程带来的累计误差，从而提高了运算速度和准确率。 (3)研究了指纹图像的分类算法。在分析、比较现有指纹分类算法的基础上，将纹线跟踪的思想引入指纹分类，提出了一种基于纹线跟踪的新的分类方法。 该算法不以指纹奇异点作为分类的必要手段，而是利用指纹图像的方向信息，基于灰度指纹图像跟踪模式区纹线，得到模式区的跟踪曲线，并定义了一些曲线参数，然后根据跟踪到的曲线进行分类。实验结果表明，该算法简单易行、速度快，可以达到一定的分类准确率。