چکیده: اثرانگشت یکـی از مهمترین شاخص‌های فیزیولوژیکی است کـه برای تعیین هویت افراد استفاده می‌شـود. روش های مختلفی برای شناسایی اثر انگشت ارائه شده است. در این پایان نامه پس از بررسی روش های مختلف ارائه شده در زمینه تشخیص اثر انگشت و نتایج بدست آمده برای آن ها، روش های جدیدی معرفی شدند. در روش اول از فیلتر گابور و قطاع بندی جدیدی برای تشخیص اثر انگشت استفاده شد به این ترتیب که در تصویر ورودی پس زمینه حذف شد و کیفیت تصویر بهبود داده شد سپس درتصویر بهبود یافته مرکز اثر انگشت پیدا شد. ناحیه ای حول مرکز اثر انگشت جدا شد و این ناحیه توسط فیلتر گابور در 8 جهت فیلتر شد و 8 تصویر بدست آمد که همه تصاویر نرمالیزه شدند. در تصاویر نرمالیزه شده از قطاع بندی جدیدی استفاده شد که میانگین و واریانس در هر قطاع به عنوان ویژگی استخراج شد. این روش بدلیل استفاده از فیلتر گابور به مدت زمان زیادی برای استخراج ویژگی و شناسایی نیاز داشت. در روش دوم از الگوریتم سوبل- رابرتز برای استخراج ویژگی استفاده شد که نسبت به روش اول زمان بسیار کمتری نیاز داشت بدین ترتیب که در تصویر ورودی پس زمینه حذف شد و کیفیت تصویر بهبود داده شد سپس درتصویر بهبود یافته مرکز اثر انگشت پیدا شد و تصویر بهبود یافته را حول مرکز اثر انگشت 5 بار با گام های 22.5 درجه از 45- تا 45+ درجه چرخاندیم و در هر بار چرخش ناحیه ای به مرکز اثر انگشت جدا شد. این نواحی جدا شده نرمالیزه شدند و در تصاویر نرمالیزه شده با استفاده از ویژگی های سوبل - رابرتز بردارهای ویژگی بدست آمد. در روش سوم برای کاهش بیشتر زمان نسبت به روش دوم بجای استفاده از الگوریتم سوبل- رابرتز روی تصویر بهبود یافته، ابتدا با استفاده از تبدیل موجک گسسته دو بعدی روی تصویر بهبود یافته تصویر تقریب بدست آمد سپس از الگوریتم سوبل- رابرتز روی تصویر تقریب استفاده شد. در سه روش قبلی تعداد ویژگی های غیر مطلوب و قابل حذف کردن زیادی وجود داشت بنابراین در گام بعدی از الگوریتم BPSO برای کاهش ویژگی استفاده شد که این الگوریتم روی روش دوم که دارای بهترین کارآیی بود، اعمال شد. برای شناسایی در هر کدام از روش ها از دو روش فاصله اقلیدسی و شبکه ماشین بردار پشتیبان استفاده شد. نتایج بدست آمده نشان می دهد که در بین سیستم های پیشنهادی سیستم دوم دارای بهترین کارآیی، سیستم سوم دارای کمترین زمان شناسایی و سیستم چهارم دارای کمترین تعداد ویژگی همراه با درصد شناسایی مطلوب می باشد. برای این پایان نامه از مجموعه داده FVC2004 استفاده شده است.