采集得到的图像是手指表面脊和谷的映像组合 .每个人都有其独特的指纹 ,而这一独特性则取决于其局域脊特征及其关系 .指纹图像的特征定义有许多种 .美国国家标准局提出用于指纹匹配细节的四种特征为脊终点 ,分叉点 ,复合特征 (三分叉或交叉点 )以及未定义 .但目前最常用细节特征的定义是美国ＦＢＩ提出的细节模型 .它将指纹图像的最显著特征分为脊终点和分叉点 .每个清晰指纹一般有 40～ 1 0 0个这样的细节点 .依赖于这些局部脊特征及其关系来确定身份 .
   细节特征提取算法的性能严重依赖于输入指纹图像的质量 .然而源指纹图像同真实指纹由于图像的变形而会导致不同 ,其中许多畸变、变形是由指纹图像获取时产生的[3 ]:⑴不一致的接触 .我们所获得的指纹图像是三维的手指映像在二维表面所成的像 ,由于每次采集压力不同会使得采集得到的指纹图像产生一定的畸变 .一般说来 ,这种映像过程是很难控制的 .⑵不均匀接触 .如果手指与采集设备完全接触 ,那么手指的脊结构信息将会完全被采集 .但是手指皮肤的干燥程度、汗渍、污渍、皮肤病等因素都会导致指纹图像的失真 ,如部分脊结构信息不能与采集板接触 .这样会导致一些错误信息被采集 .⑶不可再现的接触 .采用人工采集指纹、手指受伤等都会永久或暂时改变手指的细节信息 ,导致假信息被采集 .⑷采集设备本身的噪声干扰 .这些因素将导致待分析的指纹图像产生一定数量的可疑特征点以及大量真实特征点被忽略并引入大量的错误信息 .为了确保细节特征算法的性能 ,我们需要进行指纹图像增强 .
   在指纹图像中 ,脊和谷清晰 ,可以正确提取出特征点的区域称为良好区域 ,脊和谷信息被少数折痕和污渍破坏 ,但它们仍然可见且相邻区域可以提供足够的脊和谷信息的区域称为被破坏可恢复区域 .若脊和谷信息被大量噪声破坏 ,并且相邻区域无法提供足够的脊和谷信息的区域称为不可恢复区域 .前二者一般称为可恢复区域.指纹图像增强的目的就在于提高可恢复区域的脊信息清晰度同时删除不可恢复区域 .
   一般来说 ,图像的增强采用平滑、滤波、二值化、细化等数字图像处理方法来进行 .实际实现时 ,指纹图像增强一般采用以下几个环节 :规格化 ,方向图估计 ,频率图估计 ,生成模板 ,滤波 .一幅指纹图像经过规格化后 ,才能将该图的均值和方差控制在给定范围 ,以便后续处理 .对指纹图像规格化目的是将该灰度图的方差降低
   指纹图像的一个特点在于许多脊是平行的 .利用这个信息 ,即使当前脊是不连续的 ,我们通过观测很小的局部邻域脊的方向 ,也可以得出该脊的方向 ,而在该小邻域内与脊方向不同的点往往正是附加了噪声的点 .因此 ,利用这个特点 ,可以设计出自适应的匹配滤波器 .对于指纹图像的每一个点 ,根据其邻域信息 ,对该点使用滤波器 ,滤波器可以使与脊方向相同的点得到增强 ,而其它不同方向的点则减弱 ,从而使得指纹图像的噪声得到抑制 ,达到图像增强的目的 .又由于每个小区域的方向图往往不同 ,因此 ,根据各个区域不同方向 ,需要采用不同参数的滤波器 ,因此 ,实现时往往采用自适应滤波器 .许多文献对指纹图像增强进行了探讨 .Ｃｏｅｔｚｅｅ等对输入的灰度图使用ＭａｒｒＨｉｌｄｒｅｔｈ边缘算子得到脊边缘图 ,并采用卷积模板来进行增强 ,Ｒａｎｄｏｌｐｈ等也提出了一种使用方向滤波器组来对输入的二值图像来进行增强的方法 ,Ｏ’Ｇｏｒｍａｎ等由局域脊方向图得出ｋ  ｋ模板系数 ,并给出了详细的滤波器设计的讨论 ,Ｓｈｅｒｌｏｃｋ等采用了傅立叶滤波器 ,来增强指纹图像都取得了较好的效果 .但是 ,对于输入指纹图像较差的情况 ,由于局域的方向图估计难以准确得到 ,Ｈｏｎｇ提出了使用同时具有频率选择和方向选择Ｇａｂｏｒ滤波器的方法来增强指纹图象 .该方法将输入指纹图像通过一系列的Ｇａｂｏｒ滤波器得到滤波图像 ,并根据这些滤波图像估计出方向图 .这种方法能够在指纹图像质量很差的情况下取得很好的效果 ,但是由于其在计算局部区域方向图时开销很大 ,难以在网络系统中运行 ,因此 ,Ｈｏｎｇ等提出了改进后的算法 ,减少了计算量.