近年来，自动指纹识别系统已经成为生物特征识别研究的一个热点，包括指纹采集、指纹增强、指纹分类、特征提取和指纹匹配等内容，已有不少国内外学者对指纹识别技术作了大量研究。但到目前为止，指纹识别仍存在着一些技术上的难点，主要体现在如下两个方面：一是在非理想条件下指纹图像与背景区域的有效分割问题；二是在有弹性形变和特征点丢失、变形和旋转的情况下如何可靠、稳定的进行指纹匹配的问题。 本文针对以上的两个问题进行了深入研究，主要研究内容包括： 针对现有指纹图像分割方法存在的不足之处，提出采用小波包分解对指纹图像进行分割的思想，并使用该思想实现了基于小波分析的指纹图像分割方法。首先将待识别的指纹图像使用小波包分解成多个子图，每个子图包含了原指纹图像中某一段频率的图像信息：然后选择一个合适的子图，并在该子图上提取出有效区域的轮廓：最后根据该轮廓并结合原图像完成指纹图像的分割。由于噪音总是存在于某一个频率范围中，通过选择合适的子图就可以最大可能的将噪音过滤掉，从而完成有效区域的提取。大量典型低质量指纹数据库上的实验结果证明了该算法的有效性。 提出了一种基于Delaunay三角化匹配的参考点提取方法。现有的指纹匹配方法大多是利用指纹图像中纹线端点和纹线分叉点这两种点作为判断指纹唯一性的特征点来识别指纹，这实际上是一个点模式匹配的问题。在点模式匹配中，往往需要在匹配前通过进行平移和旋转等操作将两个点模式对准，这也就需要在两个点模式中找出一对或者一对以上的参考点以计算平移和旋转参数。Delaunay三角网具有空外接圆性质和最大的最小角度性质，这使得在指纹特征点模式的匹配中最大可能的避免导致不稳定和误差的瘦小三角形出现，对于在有细微弹性形变和少量特征点丢失、变形和旋转的情况下也能找到可靠的参考点对。 对基于Poincarel Index的奇异点检测方法进行了改进。奇异点是指指纹图像中方向变化比较大的地方的某一个点，分为Core点和Delta点。奇异点最初是被用来对指纹图像进行分类，同时它也可以当作是特殊的参考点。