指纹具有独特性、持久性和可接受性,因此它被看作是广泛接受的生物识别特征。通过对指纹识别的研究,可以满足对访问控制的需求、提升政府服务的效率以及在很大程度上有助于对各项疾病的检测及预防。由于指纹提取方式的不同造成指纹前景区域与背景区域存在着大量噪声,准确率不高,因此对于这些低质量指纹使得指纹识别产生了较大的难度。近些年来,随着深度学习的高速发展,卷积神经网络广泛应用于工业、医疗、金融、环境、军事等各个领域,并且在图像的识别和分类方面取得了相当不错的效果。因此,本文提出使用卷积神经网络的方法,对低质量指纹进行了深入的研究。具体工作包括:首先,选取指纹质量较差的NIST DB10以及FVC 2004作为文本研究的指纹数据库,很大程度上增加了指纹识别的难度,其中本文的训练集和测试集的大小分别为3200和800。本文对选取的指纹库里的指纹进行了多项预处理,包括直方图均衡化、指纹图像分割、指纹方向场估计、基于STFT的指纹图像增强、指纹图像细化、奇异点检测以及ROI提取等,可以很好地提高指纹图像的质量。其次,使用Inception V3网络,对预处理前后的结果进行对比和分析。随后,在Inception V3网络的基础上,使用了更深更宽更复杂的Inception-ResNet-V2网络进行实验,进一步提高了指纹识别的准确率。最后,本文对所有的实验结果进行了详细的对比和分析。在指纹数据集未经过预处理时,使用Inception V3网络得出指纹识别准确率为75%;在经过多项预处理操作后,使用同样的方法在数据集上得出识别率为86.25%;为了达到更好的识别效果,使用了更复杂的Inception-ResNet-V2网络,指纹识别的准确率达到了93.75%。因此,可以看出通过本文研究有效地提高了指纹图像的鲁棒性,有效地提高了低质量指纹的识别准确率。