Fingerabdrücke, also die Papilarleisten auf der Spitze eines menschlichen Fingers, sind aufgrund ihrer nachgewiesenen Einzigartigkeit und Beständigkeit eines der wichtigsten biometrischen Merkmale. Groß angelegte Fingerabdruckerkennungssysteme werden nicht nur weltweit von Strafverfolgungsbehörden und Forensikern eingesetzt, sondern auch im mobilen Bereich und in überregionalen Anwendungen. In den letzten Jahren hat sich die berührungslose Fingerabdruckerkennung zu einer praktikablen Alternative zu den etablierten kontaktbasierten Verfahren entwickelt. Das berührungslose Erkennungsverfahren vermeidet verschiedene Herausforderungen, wie z.B. Abbildungen mit geringem Kontrast, die durch Schmutz oder Feuchtigkeit verursacht werden, und latente Fingerabdrücke, die auf der Oberfläche des Erkennungsgerätes zurückbleiben. Darüber hinaus bieten kontaktlose Verfahren einen schnelleren und hygienischeren sowie bequemeren Erkennungsprozess und haben daher eine höhere Benutzerakzeptanz. Die kontaktlose Erkennung von Fingerabdrücken bringt jedoch neue Herausforderungen mit sich. Umwelteinflüsse wie ein unkontrollierter Hintergrund und variierende Beleuchtung sowie eine beliebige Positionierung der Finger stellen insbesondere für mobile Erkennungsverfahren eine Herausforderung dar. Diese Arbeit leistet einen Beitrag zu einem effizienten und sicheren mobilen kontaktlosen Fingerabdruckerkennungsverfahren. Die Arbeit befasst sich mit verschiedenen wichtigen Aspekten in der Pipeline der kontaktlosen Fingerabdruckerkennung. Die mobile, automatische Erfassung, Segmentierung und Vorverarbeitung von kontaktlosen Fingerabdruckmustern stellt einen zentralen Schwerpunkt dieser Arbeit dar. Darüber hinaus werden Beiträge zu den Themen Qualitätsbewertung, Merkmalsextraktion und Erkennung von Präsentationsangriffen geleistet. Um neue Forschungsrichtungen zu ermöglichen, wie z.B. das Training von Deep-Learning-basierten Algorithmen, wird auch ein Generator für synthetische mobile kontaktlose Fingerabdruckmuster vorgeschlagen. Die in dieser Arbeit vorgestellten Ergebnisse zeigen Verbesserungen verschiedener Komponenten der Erkennungsmethode, die zu einer verbesserten biometrischen Leistung, Sicherheit und Komfort beitragen. Darüber hinaus werden Herausforderungen und Grenzen diskutiert.

Fingerprints, i.e. ridge and valley patterns on the tip of a human finger, are one of the most important biometric characteristics due to their known uniqueness and persistence properties. Large-scale fingerprint recognition systems are not only used worldwide by law enforcement and forensic agencies, they are also deployed in the mobile market and in nationwide applications. In recent years, contactless fingerprint recognition has become a viable alternative to established contact-based methods. The contactless capturing process avoids distinct problems, e.g. signal of low contrast caused by dirt or humidity and left-over latent fingerprints on the capture surface. Moreover, contactless schemes provide a faster and more hygienic as well as a more convenient capturing process and hence have a higher user acceptance. However, contactless fingerprint recognition introduces new challenges. Environmental influences such as an uncontrolled background and varying illumination and an unconstrained finger positioning are especially a challenge for mobile recognition schemes. This Thesis contributes to an efficient and secure mobile contactless fingerprint recognition process. The work addresses various vital aspects along the contactless fingerprint recognition pipeline. The mobile, automatic capturing, segmentation and pre-processing of contactless fingerprint samples represents a central focus of this Thesis. Furthermore, contributions to the topics of quality assessment, feature extraction and presentation attack detection are conducted. To enable new research directions, such as training deep learning-based algorithms, a generator for synthetic mobile contactless fingerprint samples is also suggested. The results proposed in this Thesis show improvements on several components of the recognition method which contribute to an increased biometric performance, security and comfort level. Moreover, challenges and limitations are discussed.