본 발명은 지문 영상의 특징점(minutia)을 정규화된 지역구조로 나타내어 특징점간 유사도를 단순한 유클리디안 거리 (Euclidean distance)에 의해 계산할 수 있도록 하고, 이로써 유사한 특징점들의 클러스터 생성을 통해 지문 영상을 고정된 크기의 이진화 벡터 (bit string)로 변환하기 위한 것이다. 따라서, 두 지문영상간의 일치 여부는 두 이진화 벡터간의 단순한 bit 매칭에 의해 판단할 수 있게 된다. 보다 상세하게는 지문 영상의 각 특징점에 대하여, 이를 중심으로 특정 반경 내에 있는 이웃 특징점들을 픽셀공간에서 확률밀도함수(Probability Density Function)로써 모델링한 뒤, 이를 이웃 특징점들의 수로 정규화한 지역구조로 나타낸다. 이로써, 픽셀공간 또는 더 나아가 주성분분석 (PCA) 등에 의해 축소된 공간에서 두 특징점간의 유사도 계산이 유클리디안 거리 (Euclidean distance)에 의하여 가능하게 되고, 학습 지문 데이터로부터 생성된 특징점 클러스터들과의 유사도 비교를 통하여 입력 지문 영상을 순서와 길이가 고정된 이진화 벡터로 표현하여, 두 지문영상간의 일치여부는 이진화 벡터간 동일 위치의 단순한 bit 매칭을 기반으로 판단하는 방법에 관한 것이다. 이를 위하여 본 발명은, 지문 영상 내의 각 특징점을 중심으로 했을 때 주변 특징점들의 위치 분포를 2차원 확률밀도함수로써 모델링하는 방법; 지역구조 내 특징점의 개수로 지역구조를 정규화하는 방법; 정규화된 지역구조를 이용해 특징점간 유사도를 픽셀 공간 또는 축소공간 (subspace)에서 유클리디안 거리 (Euclidean distance)에 의해 계산하는 방법; 지문 특징점들의 클러스터링을 통한 지문 영상의 이진화 벡터 변환 방법을 제공한다.