自动指纹识别是20世纪六十年代兴起的、利用计算机取代人工来进行指纹识别的一种技术。近年来，随着计算机技术的飞速发展、低价位指纹采集仪的出现以及高可靠算法的实现，更使得自动指纹识别技术越来越多地进入到人们的生活和工作中，自动指纹识别系统的研究和开发正在成为国内外学术界和商业界的热点。相对于其它生物特征鉴定技术，指纹识别具有许多独到的优点，更重要的是它具有很高的实用性和可行性，已经被认为是一种理想的身份认证技术，有着十分广泛的应用前景，是将来生物特征识别技术的主流。大多数指纹匹配的技术都是通过提取细节特征进行匹配，所以细节特征的提取是指纹识别系统中关键的一环。在众多的指纹特征中，脊线末梢点和分叉点的应用最为广泛。 传统的特征提取算法是先对指纹图像进行增强滤波，再对增强后的图像进行二值化和细化提取特征点。这些算法存在的缺点是增强整幅指纹图像要花费很多的时间，而且在二值化的过程中一些有用的信息可能会遗失。Miao提出了一种直接在指纹灰度图上跟踪脊线的新方法，证实了该算法鲁棒性更好。但是该算法存在一些不足，例如很难预先定义7个阈值，脊线末梢点的判别也欠缺准确。在Miao的基础上，人们提出了多种改进算法，但是仍存在一些不足。Jiang提出的自适应跟踪算法加快了跟踪速度，但是当图像的质量比较差时，特征提取结果较差。本文对原算法的滤波和末梢点判别条件等方面进行了改进，对质量较差的指纹图也能有效提取特征。本论文主要做了以下研究工作： 1．研究自动指纹识别系统的各种算法，对系统各个部分进行介绍和概述。 2．重点研究基于脊线跟踪，直接从灰度级图象获取细节特征的算法。对算法进行了多方面改进，使算法在质量较差的图象上也能有效提取特征。 3．研究指纹匹配算法，介绍了GHT(广义霍夫变换)匹配算法和基于相似度直方图校的准算法，实现了匹配算法，并进行了改进。 4．分析比较原脊线跟踪算法和改进后脊线跟踪算法的效果，给出实验结果及数据分析，证实了改进的算法比原算法有比较大的改善。最后，进行总结并提出了课题今后的发展方向和研究重点。