随着移动支付和智能家居的普及,生物识别逐渐进入人们的视线。指纹识别作为最先应用于安全验证的生物特征,逐渐应用在人们的日常生活中。现阶段,指纹识别算法相对较为成熟,但是随着芯片等制作工艺的不断升级,在各种指纹产品中,为获得美观的效果,指纹采集器的采集面积变得越来越小,使得采集到的指纹图像的面积越来越小。由于很多指纹识别算法都依赖于细节点特征,小面积指纹图像的细节点无法支撑算法进行差异性匹配,因此小面积指纹图像的识别与匹配成为现阶段亟待解决的问题。针对上述应用背景需求,本文提出一种特征融合的特征结构,并以此结构为基础构建出适用于小面积指纹图像的识别匹配算法。论文首先介绍了指纹识别的基础知识,重点介绍了细节点特征和局部尺度特征这两种特征。细节点特征是一种指纹图像特有的常见特征,传统的指纹识别匹配算法都是基于细节点特征实现的,但是由于指纹图像面积变小,细节点的个数减少导致细节点特征无法有效进行差异性匹配。鉴于局部尺度特征是一种基于尺度空间的局部特征,且已广泛应用于图像的拼接和匹配,本文将局部尺度特征对于指纹图像进行了相关实验和分析,实验结果表明局部尺度特征可以较好的识别匹配指纹,但是该特征无法区分指纹图像和其他图像,容易产生误识。基于这两种特征的特性,本文提出将细节点特征和局部尺度特征融合的融合特征,融合后的指纹特征既保留了细节点的指纹特有性和局部尺度特征的特异性,还充分利用了两种特征信息进而增强了指纹图像的差异性。论文对指纹特征的融合过程进行了详细的介绍,同时对融合结构的参数选择进行了深入的分析。为实现大规模指纹图像的实时应用,获得更高效的匹配性能,本文提出将融合结构进行二值化处理,并通过引入三角形的拓扑结构来增强匹配特征的特异性和鲁棒性。文中根据指纹图像的特性,对三角形的拓扑结构进行了约束和选择,最后形成了具有高特异性和鲁棒性的高维特征向量。文中针对一般指纹图像数据库和大规模指纹数据库两种不同的匹配环境,分别给出了相应的匹配方法,并进行分析和建议。最后,为了展示本文提出的融合特征和相应匹配方法的性能优势,结合自建指纹图像数据库,对算法进行了实验和分析。实验结果表明,相比近期发表的指纹识别算法,本文所提算法具有更好的识别性和高效性。