指纹识别领域虽然已有许多研究成果，但随着社会对指纹识别的迫切需求和指纹识别技术在实际应用和测试中表现出来的许多不足，近年来，许多研究机构都在进一步深入研究指纹识别领域的各种关键技术，以提高指纹识别的性能并解决实际应用中的问题，从而加速了指纹识别技术应用的普及。在这种情况下，本文对指纹识别系统中的分类算法进行了研究，并在此基础上对两类常用算法进行了实验分析。 指纹分类就是研究如何以稳定而可靠的方式将指纹划为某一类别。它给指纹数据库提供了一种索引机制，加速指纹的搜索匹配时间。指纹匹配多根据指纹的局部特征（如细节点）来判别，而指纹分类则根据指纹的全局特征（如全局脊线结构、奇异点）来判别。由于各指纹模式具有较小的类间差距和较大的类内差距，且指纹图像通常含有噪声，因此指纹分类一直是模式识别领域的难点问题。 指纹图像是由指尖表面的脊和谷组成的纹路，具有较强的方向性，由于指纹方向图抽象了指纹脊线与谷线交错平行分布的特点，反映了指纹图像纹理结构的本质，目前方向图被广范应用于指纹图像分析中。 本文首先分析了指纹方向图的特点、求取方法，并采用掩膜法获得了平滑准确的方向图。然后结合指纹的方向特性，分析、研究了两种指纹分类算法：基于方向图分割的指纹分类算法和基于奇异点检测的指纹分类算法，并通过实验验证了算法的可行性。最后，分析比较了这两种分类算法的优缺点，同时展望了指纹分类算法未来的发展方向。 在基于方向图分割的分类算法中，针对目前中心点定位方法对发生旋转的指纹图像处理不佳的缺陷，结合方向特性和结构特性，对指纹方向图进行区域分割，根据各类型的指纹方向图分布的统计特性对指纹进行初步分类。为了提高算法的精确度加入了指纹图像的中心点信息，使得算法的鲁棒性，稳定性更好。 在基于奇异点检测的分类算法中，深入研究分析了当前一般的基于奇异点检测的指纹分类算法，提出了改进后的算法。解决了此种分类算法中存在的两个难点：一是奇异点的定位精度和可靠性问题。二是：奇异点丢失，指纹无法归类问题。 上述各算法，本文均进行了模拟实验。结果表明，算法的性能都达到了设计需求，可以满足实用的要求。