指纹识别技术因其具有特殊的针对性、方便、安全等优点，在身份识别领域得到广泛应用。而它却在识别率和识别时间的问题上有待于提高。于是，现在越来越多的学者开始主要就这两个方面进行研究和探讨。　　 本文就指纹识别的几个重要方面进行研究分析，并提出了基于Curvelet变换的指纹匹配算法。对指纹图像的预处理、特征提取的算法进行了详细研究和讨论。首先，将指纹图像进行中心点定位，指纹图像的分割和正规化处理，最后是二值化，得到一些大小为W*W的不重叠的中心子图像块。其次，由于Curvelet变换是各向异性的，而且具有很强的方向性、多分辨性和方向性的函数，基于Curvelet所具有的这些特点，本文提出了一种新的融合了Curvelet和传统knn的指纹识别算法，该算法先用Curvelet提取指纹的纹理信息，然后用knn进行分类识别。在Curvelet变换后，得到一些不重叠的Curvelet系数集，每四个块构成一个总的特征向量作为标准偏差。最后，在一个小范围的指纹匹配系统中，该方法用K邻域分类器进行测试，相比较小波变换，识别率得到一定提高。　　 本文算法在FVC2004指纹库中进行了验证，并且得到的验证结果相比较传统的算法，识别率和识别效率都得到了一定提高。而且本文的方法在滤波增强方面，对传统的Gabor也进行了改进，在识别方面，用K邻域分类器进行测试，得到较高的识别率，具有较高的实用价值。