指纹识别是对被识别物体的指纹进行分类和比较。指纹识别技术作为生物特征识别技术之一，在新世纪逐渐成熟，并进入人类生产生活领域。

指纹图案

指纹是人手指末端皮肤凹凸不平形成的纹理。指纹在人类诞生之前就已经形成，它的形状不会随着个体的成长而改变，而是会发生明显的变化。而且每个人的指纹都不一样，很多细节都能很好的区分出来。指纹纹理有三种基本形状:螺纹、拱形和环形。

指纹中有许多特征点，它们提供了指纹唯一性的确认信息，这是指纹识别的基础。分为一般特征和局部特征。一般特征包括核心点(位于指纹线的递进中心)、三角点(位于距核心点的第一个分叉点或断点处，或两条线汇聚、隔离或转向的地方，或指向这些奇异点的地方)、线数(指纹线的个数)。

局部特征是指纹的详细特征，如特征点的方向、曲率和节点位置，这些都是区分不同指纹的重要指标。

指纹识别过程分为两个二次过程和四个部分。两个次要过程是指纹记录和交叉核对。

指纹记录过程由指纹采集、指纹预处理、指纹检测和指纹模板采集四个部分组成。

指纹比对过程还包括指纹采集、指纹预处理、指纹特征比较和匹配四个部分。在这两个过程中，指纹图像的预处理是存在的，但指纹图像的值和指纹特征的值看似同名，但它们内在的算法和性质却完全不同。

在引入指纹的过程中，指纹图像的获取更加频繁，而单值提取算法更注重一些特征值的判别和获取。

指纹识别的第一步是采集指纹图像。目前，指纹图像的采集方式有很多，包括光学指纹采集技术、电容式传感器指纹采集技术、温度传感指纹采集技术、超声波指纹采集技术、电磁波指纹采集技术。获取图像后，进行预处理，需要进行灰度变换、分割、均衡、增强、细化等图像预处理步骤。

首先，指纹要从整个图案中分割出来。背景图像和指纹分布图的灰度是不同的，这决定了两种强度之间的差异。利用梯度的概念可以很好地将指纹从背景图像中分离出来。

均衡是预处理的重要一步。提取时，指纹图像不同区域的像素分布点根据环境的不同而不同。均衡是通过均值来划分分布在不同区域的像素，得到亮度分布均衡的图像；

为了便于特征提取，需要对经过几个步骤处理后的图像进行智能增强。道格曼实现了Gabor小波逼近的方法，使指纹图像的线条更清晰，即白色部分更白，黑色部分更黑，线条的边缘分布更平滑。