指纹是人类具有的一种个体特征,在身份识别领域发挥着越来越重要的作用。在指纹识别系统中,特征点检测一直是指纹识别领域的重点和难点,因此本课题着重指纹奇异点检测。提出了一种基于流场和Laurent级数的指纹奇异点检测新方法。首先,运用指纹标量场的梯度信息,得到了指纹流场。然后运用指纹梯度场计算指纹流场的偏导。其次,在指纹流场偏导与Laurent多项式之间互相关性的基础上,采用在多尺度高斯空间下的互相关性能量检测指纹奇异点；该算法能够实现整个指纹流场中奇异点的旋转不变性和尺度不变性检测。最后,采用支持向量机SVM进行指纹分类。本课题取得的研究成果主要有：(1)劳伦级数zk和izk(k=-2,-1,1,2)相似指纹流场的中心点和三角点。zk和izk(k=-1,-2,1,2)k=-1,-2时的流场相似指纹三角点,k=1,2时的流场相似指纹中心点。这种形态学相似技术对于特征点的检测具有广泛的应用,主要用于从图像中提取表达和描绘区域形状有意义的分量,使识别能抓住事物的本质。(2)基于劳伦级数与指纹流场偏导的互相性系数的绝对值算法：由于指纹流场存在很严重的方向二义性问题,对指纹检测的精确性提取有严重的干扰,其提取的特征点是随意的。因此采用绝对值后避免了指纹流场存在的二义性问题,经SPD2010指纹数据库验证,检测结果较好。(3)指纹曲率算法：指纹曲率是分析指纹方向场变化较小的区域,在一定程度上能初步定位指纹特征点,划分其连通区域,减少了指纹奇异点的搜索范围。(4)在劳伦级数作为滤波基函数的基础上,采用基于尺度空间的多尺度检测,有效解决了指纹旋转不变性和尺度不变性间题。其中,尺度不变性分别用二值化和尺度缩放性分析进一步验证了其准确性(5)在互相关性滤波响应的基础上,采用了基于能量的奇异点提取,并在SPD2010数据库进一步验证了其算法的正确性,其在训练集上的检测率为45.74%,在测试集上的检测率为45.34%,相比于SPD2010的冠军算法的最好准确率31.90%,该算法在准确率方面有很大的提高。(6)采用基于SVM的指纹分类,利用前3最大指纹奇异点作为特征描述子,确定特征向量,利用NIST-4(National Institute of Standards and Technology)指纹数据库的4000幅指纹图片分别作为训练集和数据集,检验其分类准确率,表现良好。指纹检测技术的应用算法在国内外广泛被提出。一般情况下,有基于庞加莱指数,零级点模型和复数滤波器等,尤其是复数滤波器对于指纹特征点有更高的检测准确率。本文是在复数滤波器的基础上,采用劳伦级数指纹特征点的纹线相似,提出了几种新的思路,解决了一些难题,采用SPD2010竞赛的指纹数据库和NIST-4美国国家标准和技术研究所的指纹数据库进行了实验研究；结果验证了本文检测方法优于SPD2010中最优算法,为指纹分类和匹配奠定了良好的基础。