اثر انگشت یکی از مهمترین شاخصهای فیزیولوژیکی است که برای تعیین هویت افراد استفاده می شود. فشرده سازی، برای ذخیره سازی اثر انگشت با حافظه کمتر نقش کلیدی دارد و روشهای فشرده سازی اثر انگشت، برای دستیابی آسان به آن موثر است. یک نوع از تبدیل موجک به راحتی برگشت پذیر می باشد. از این نوع تبدیل موجک در فشرده سازی اثرانگشت استفاده کرده ایم و از آنجا که قابلیت بازشناسی از روی اثر انگشت فشرده شده، برای شناسایی افراد حیاتی است. بدلیل این مطالب پایان نامه ما بر تبدیل موجک و حفظ ویژگیهای بازشناسی بنا نهاده شده است. به منظور بهسازی تصویر کنتراست را در حالتهای مختلف بهبود می دهیم. الگوریتم فشرده سازی ما مبتنی بر روش کدگذاری spiht می باشد. برای بازشناسی از دو روش مختلف استفاده شده است. اولین روش بازشناسی اثر انگشت مبتنی بر استخراج مینیوتیا و دیگری مبتنی برشبکه عصبی می باشد. نتایج شبیه سازی این دو الگوریتم در جدولهایی به صورت نرخ بازشناسی برای نرخهای بیت مختلف، نشان می دهند که روش مبتنی براستخراج مینیوتیا تا نرخ بیت 0.1 بیت برپیکسل درصد بازشناسی حفظ می شود و از نرخ بیت 0.1 به بالا نرخ بازشناسی از روی تصاویر فشرده شده اثر انگشت تفاوت زیادی با تصاویر اصلی ندارند. اما روش مبتنی بر شبکه عصبی با 2 تصویر آموزش تا نرخ بیت 0.5 درصد بازشناسی حفظ می شود. آزمایش فشرده سازی بر روی یک پایگاه داده متشکل از ?? اثر انگشت 256*256 که هر کدام دارای ? تصویر بوده، انجام گرفت.