纹路提取和细化，一般的纹路提取方法是基于增强后的指纹图像的，对增强后的指纹图像进行灰度二值化而得到纹路图像。另一种纹路检测是基于纹路灰度图像进行纹路跟踪，纹路跟踪发的缺点是难以处理大的指纹，同时对于低质量图像效果不佳。罗则基于方向场对每一个像素沿着纹路方向计算平均灰度值，然后采用阈值分割的方法提取纹路。纹路细化的目的是为了方便节点的检测。
节点的提取和过滤，通常的节点提取过程经过纹路方向计算、指纹分割、指纹增强、纹路提取和二值化、纹路细化，最后在细化后纹路图像中检测节点。再细化的纹路图像中，对于端点，有且只有一个相邻点在纹路上；对于分叉点，有且只有三个相邻点在纹路上。第二类节点提取方法基于灰度图像进行纹路跟踪，在纹路跟踪的同时检测节点。
纹数计算相对来说比较简单，主要依赖于方向的正确计算和纹路的正确提取。由于其简单性，有关纹数的计算方法报导的很少。
图像质量计算，在自动指纹识别系统中计算图像质量很重要，通过计算图像质量可以防止低质量的指纹图像注册到数据库中，从而可以提高系统的正确性。指纹图像的计算方法有基于方向性区域和非方向性区域比例的方法，基于Gabor滤波器的方法，基于小波压缩的方法。虽然已经有人提出了若干种指纹图像质量计算的方法，但目前还没有一个能够衡量一种质量计算方法好坏的公认的标准。
2.1.5 指纹匹配
在过去的研究中，专家们提出了许多指纹匹配算法。早期的工作中，Moayer 将指纹表示成一文字符串或二文树，然后用句法匹配来验证两个指纹。该方法适合对指纹进行粗分类，但不能对两个指纹进行详细匹配。
Isenor 和 Hrechak 等人用基于图的方法来表示和匹配指纹。由于需要采用复杂的算法，如图的同构算法，系统需要很大的时间开销，同时，系统也变得复杂。
目前使用最广泛的指纹特征模式是点模式。一副指纹图像可以用节点集合来表示，指纹中的节点是指纹路的端点和分叉点，节点通常包含坐标。类型、方向等基本属性。有的算法还提取文献采样点进行匹配。
Ross 结合点模式和纹理模式，先用节点匹配模式将两个指纹对齐，在匹配其纹理模式，这样可以避免在注册指纹时计算模板指纹在不同旋转角度上的指纹码，但带来的问题是在一对多的系统中输入指纹与数据库中多个模板指纹比较是，每与一个模板指纹匹配一次就要计算一次输入指纹的纹理特征，而纹理特征的计算恩耗时。为了处理指纹的非线性变形，Ross、Cappelli 提出了非线性变形模型，Bazen 提出了节点的 ICS 表示，Senior 将纹路间距规一化处理，Bazen 和Ross 用 TPS 处理非线性变形。高度扭曲的指纹如何进行有效匹配也是目前值得研究的一个问题。FVC2004 的测试结果不如FVC2002 的测试结果理想，主要原因之一是FVC2004 的数据库加强了指纹的扭曲程度。
2.1.6 指纹分类与索引
在一对多的指纹识别系统中，为了减少系统响应时间，需要采用指纹分类和索引技术以缩小数据库的搜索范围。指纹分类和指纹索引并美欧明确的界限，可以将指纹索引看作是指纹细分类。衡量指纹匪类和索引方法性能的参数之一是系统的穿透系数。找出匹配效果最好的指纹，因此其系统穿透系数 P=1。
目前研究最多的指纹分类方法，如 Henry 分类防范，基于宏观曲率特征的分类方法。最常用的分类模式 Henry 分类模式或其变种。Henry 分类模式将指纹分成五类：左箕型、右箕型、斗型、拱型和尖拱型。还有其他 Henry 分类模式的变种，如 Meltem Ballan 将指纹分为优尔类，除了Henry 模式的物种类型外，还包括双箕型。Henry 模式的基本思想是根据指纹中核心点和三角点的数量和位置来对指纹进行分类，如图2.6.1。 指纹识别算法研究+文献综述(7):http://www.youerw.com/jisuanji/lunwen_5302.html