生物特征识别技术利用每个人的生物学特征和行为学特征进行自动身份识别。与证件、密码、口令等相比,生物特征不容易丢失或遗忘,具有更好的识别能力和可靠性。自动指纹识别系统由于其具有体积小、易操作、成本低、可靠性高等优点越来越受到欢迎,已经成为最重要的生物特征识别技术之一。指纹增强和指纹分类作为自动指纹识别领域中重要的环节,在识别过程中发挥了重要的作用。指纹增强的目的是提升指纹脊、谷纹路的清晰度,尽可能地提高指纹低质量区域特征提取的准确性。指纹分类将指纹划分到一系列预定义类别中以极大降低指纹匹配的工作量。本论文对指纹识别领域内的指纹增强和指纹分类两个问题展开研究。主要研究内容包括:(1)在指纹增强方面,提出一种傅里叶频域下基于曲面变换的指纹增强算法。目前提出的傅里叶频域下的增强工作存在以下缺点:在非平缓区域增强效果较差;块窗口大小不易选择。该算法的主要改进包括:将定位曲面区域并映射到二维数组的过程称为曲面变换,并将其用于傅里叶频域下;根据曲面区域的频谱图选择合适的滤波器方向;将指纹图像划分为平缓区域和非平缓区域,为了提高执行效率,仅仅对非平缓区域执行曲面变换;引入复合窗口模板解决块窗口尺度问题。实验结果表明,所提出算法有更好的增强效果,尤其是对指纹非平缓区域增强效果更好。(2)在指纹分类方面,提出一种基于方向场离散余弦变换特征的指纹分类算法。该算法首先计算方向场的正弦和余弦分量并分别进行二维离散余弦变换;然后提取变换后的低频系数作为特征向量;最后采用支持向量机(SVMs)作为分类器实现分类。该算法的优点在于:方向场的DCT系数蕴含了足够的方向信息实现分类,分类特征更加可靠;DCT特征向量长度较小,分类速度更快;算法对不同大小的指纹图像具有相当的分类效果;算法无需定位参照点,可靠性更高。本论文详细说明并实现了离散余弦变换特征提取的方法,经检验,该算法有准确的分类结果。