1、在自動指紋識別系統(tǒng)中，常用的特征主要有方向場、頻率場、細節(jié)點以及奇異點。作為指紋的基礎(chǔ)特征，方向場可以用來進行奇異點檢測、指紋圖像的增強、分類以及匹配等。因此，方向場估計是指紋識別過程中非常重要的步驟。常用的方向場提取算法有梯度法、模型法、濾波法以及其它方法?；谔荻鹊姆椒ㄓ嬎愫啽?、結(jié)果精確，但容易受到噪聲的影響；基于模型的方法對低質(zhì)量圖像有一定的效果，但在奇異區(qū)域效果較差，并且計算復(fù)雜度較高；基于濾波的方法有較強的噪聲抑制能力，但計算

2、耗時，并且角度值有限。對于上述傳統(tǒng)算法，存在著三個較為嚴重的問題：1)指紋質(zhì)量較低時，無法獲得滿意的結(jié)果；2)無法在背景區(qū)域獲得可靠的方向場；3)基于模型的方法，如Legendre模型或FOMFE模型，在奇異區(qū)域會產(chǎn)生較大偏差。
　　 針對低質(zhì)量指紋圖像，本文提出了基于GVF模型的方向場計算方法。GVF模型有著兩個顯著的優(yōu)點：一是作用范圍非常大，二是迭代的本質(zhì)使其可以有效抑制噪聲。算法主要由兩個步驟構(gòu)成：1)快速平滑擴散，目的是

3、消除噪聲，并在背景區(qū)域獲得可靠的方向場；2)奇異區(qū)域修正，目的是對奇異區(qū)域的方向場進行修正。此外，為了獲得更好的計算效果，在計算過程中還需要對指紋進行質(zhì)量評估以及裂痕檢測。質(zhì)量評估主要根據(jù)復(fù)數(shù)濾波的響應(yīng)來確定，而裂痕檢測則主要通過一組不同方向的濾波響應(yīng)來獲得。為了驗證算法的有效性，我們進行了FOE平臺測試以及匹配實驗。實驗結(jié)果表明，無論是低質(zhì)量指紋圖像還是高質(zhì)量指紋圖像，基于GVF模型的方向場提取算法都能獲得準確的方向場分布。