作为历史最悠久、应用最广泛的生物识别技术,指纹识别技术己日趋完善和成熟。然而,低质量指纹的识别性能一直不是令人十分满意,从而很大程度上限制了指纹识别的应用领域。从理论研究层面来讲,只有加强低质量指纹识别技术的研究,才能不断完善和巩固整个指纹识别技术理论体系。从实际应用层面来讲,仍然存在着不少低质量指纹,严重影响了指纹识别系统的整体性能。所以,无论在哪个层面,低质量指纹识别技术的研究都具有迫切而重要的意义。　　 本文针对低质量指纹参考点定位算法和匹配算法这两项关键技术进行了深入研究。主要工作及研究成果包括:　　 1、对低质量指纹参考点定位问题进行了深入研究,提出了“基于小波多尺度分析的参考点定位算法”。该算法的基本思想是对指纹的方向场进行自适应的小波多尺度分析,利用小波分解的子图构造不同尺度下的梯度图像,然后将不同尺度的梯度图像融合在一起,加强了曲率变化最剧烈的区域,最后利用Poincare算法具体定位参考点的位置。　　 2、对低质量指纹匹配问题进行了深入研究,提出了“基于改进型遗传算法的混合指纹匹配算法”。算法主要有两方面改进:一是以细节点匹配和方向场多尺度匹配的混合匹配的方式构造适应度函数,来引导遗传算法搜索最优的指纹校准参数,二是提出了基于参考点初对准的种群初始化算法,来尽量避免遗传算法的“早熟”问题。　　 在以上两种指纹关键技术的研究中,小波多分尺度分析作为一个优良的工具贯穿始终。它不仅提高了低质量指纹参考点的正确定位率,为匹配过程中遗传算法的种群初始化打下坚实的基础,而且它还被用于构造方向场的特征向量,对两幅指纹进行全局信息匹配,弥补了低质量指纹细节点量少、可靠性差的缺点,从而真正实现了基于细节点的微观匹配算法和基于方向场的宏观匹配算法的融合。　　 为了验证两种算法的有效性,我们在FVC2004的4个低质量指纹库中进行了实验。实验结果表明:“基于小波多尺度分析的参考点定位算法”的正确定位率比传统的Poincare算法提高了很多,最高提高了33.8％,而且算法还具有旋转不变形、操作简单等优点。“基于改进型遗传算法的混合指纹匹配算法”与两种其他经典匹配算法相比,匹配错误率分别下降了4.7％、6.1％。