在AFIS系统的特征提取工作中, 首要步骤是图像增强。图像增强的目的在于将采集的原始指纹图像做如下处理：1）对比度增强; 2）去除蜕皮、轻微伤疤、断线等数据噪音; 3）勾勒出明显的纹线。图1给出了相应的处理过程。

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 指纹增强过程Fig.1 Fingerprint image enhancement by AFIS processing

在整个流程中, 经典的计算机纹线识别流程与人工识别流程有所不同, 一般而言其包含如下的两个步骤：

1）纹线流向判断。即对指纹区域网络化, 每个小矩形区域作为一个指纹方向处理单元。针对矩形内的纹线方向进行平均, 用矩形区域的平均纹线方向作为该矩阵内所有纹线的方向^[3]。该做法虽然在个别情况下, 如矩形区域内指纹纹线方向变化较为激烈（曲率较大）时纹线方向会计算不准确, 但是在绝大多数情况下, 近似方向和实际方向差别不大。这种做法虽然是在计算精度及计算速度上的一个优化, 但在低质量指纹特征标注中对指纹方向的把握不如人工准确。

2）连通纹线。在图1的右侧, 增强后的指纹图, 指纹纹线已经按照纹线流向进行了连通。当指纹纹线流向清晰时, 通过纹线滤波（比如Gabor滤波）可以准确连接因为采集、蜕皮、细微伤疤等造成的纹线断裂。而当在纹线方向不准确或变化剧烈的区域内出现纹线断裂时, Gabor滤波方式进行纹线连接有可能出现连线错误, 造成虚假特征点。而人工判断上述情况时, 由于人脑跟踪纹线时具有更强的纹线流向判断能力, 可在更大视野内判断纹线可能的流向, 因此结果判断更准确。

综上所述, 计算机算法在进行指纹图像分析时, 对纹线方向的处理更加局部、精细、标准。人工分析同样问题时更加宏观、全局、智能。当纹线受到外部干扰或者纹线弧度转变较大时, 计算机算法的处理能力不足, 容易出现误判, 需要人工对这些区域的细节点做矫正, 确保其指向及位置正确。

指纹特征的标注, 其目的在于利用已有指纹细节点特征准确、快捷地进行特征比对, 指纹比对过程实质上从图像比对（图2a图）简化成为了细节特征点比对（图2b图）。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 指纹细节点比对过程Fig.2 Minutiae matching by AFIS

为了提高细节特征点的比对精度及速度, 指纹比对算法中广泛应用了局部模式的技术。其核心思想在于当匹配两枚指纹中的一对细节点时, 各点周围邻居节点的位置、角度信息一并随其进行点集配准比对。该方法的优势在于能够快速筛除不合理的比对细节点, 进而快速排除两枚指纹的同一性。图3展示了基于局部模式匹配的整个过程。在该过程中, (a)、(b)指纹经过特征标注后, 会形成(c)、(d)两个局部模式拓扑结构图, 这两个拓扑图进行点集匹配后形成细节点比对关系图(e)。由于指纹在采集过程中, 不可避免的会产生弹性形变, 造成个别指纹细节点位置在两次不同的采集时出现位置、方向偏差。在低质量指纹图像中, 手指蜕皮等会在指纹标注环节产生伪细节点, 因此利用局部模式方式进行细节点比对时, 个别细节点的比对关系和其他大多数细节点的比对关系走势完全不同。其明显规律在于配对点之间的拉线与大多数的配对点之间的拉线不平行, 删除这些对应关系后, 进而得到两枚指纹图像之间的准确比对关系图(f)。由此可知, 当准确取得某一点的特征点时, 如果还能准确标注其周围邻近点的特征, 这种类似特征群落之间的细节点比对效率极高。

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 两枚指纹分别构造局部模式进行比对的过程Fig.3 Process of two fingerprints matching through constructing their local patterns by AFIS

综上, 由于目前大多数指纹比对算法都是采用“ 局部模式” 的方法, 因此, 对于不可靠的细节点, 尽量不要在指纹图像上标记, 避免造成局部模式之间出现差异, 影响局部模式之间的相似度计算, 导致真实匹配对之间的准确率及排前率不佳。