指纹是指人的手指末端正面皮肤上凸凹不平产生的纹线，纹线有规律的排列形成不同的纹型。每个人的指纹不同，即使同一人的十指之间，指纹也有明显区别。指纹由于其具有终身不变性、唯一性和方便性，因此可用于身份鉴别。指纹识别是使用最为广泛的生物特征识别方式。指纹识别算法涉及图像处理、模式识别、机器学习、计算机视觉、数学形态学、小波分析等众多学科。由于每次捺印的方位和力度不完全一样，着力点不同会带来不同程度的变形，同时存在大量模糊指纹，如何正确提取特征和实现正确匹配，是指纹识别算法技术的关键。

       大多数的指纹识别算法都是基于细节特征点的原理。但在实际使用中，基于细节特征点的指纹识别算法无法解决若干特殊情况下的指纹识别问题：

       1)    部分人群的指纹由于其工作特点导致其指纹磨损严重从而无法获得足够的细节点；

       2)    部分人群的指纹捺印形成的指纹图像的指纹并不具备常规的纹线特点，无法得到清晰的指纹纹路；

       3)    对于手机、平板等使用的小面积指纹传感器，由于采集面积原因无法获得足够的细节点信息，使得认假率升高。

    指纹磨损                                                       指纹纹理不清                                                  小尺寸指纹

       基于图像的指纹识别算法是将指纹的局部细节特征和全局纹理信息进行提取并融合的一种多模指纹算法，也俗称为“超级指纹识别算法”。它用构造图的形式来表达纹理、图案以及它们之间的连接关系，然后用图匹配方法进行比对判定。由于其并不要求足够多的细节特征点信息，因此其可以适用于指纹细节点特征不明显的手指以及小面积指纹传感器所获取的图像(典型的如苹果手机的Touch ID)。基于图像的指纹识别算法技术由于其技术复杂，目前只有极少数的几家公司掌握。

       基于图像的指纹识别算法是一种典型的图像模式识别技术，包括指纹图像获取、图像处理、模板融合和图像比对等过程。

　　1) 指纹获取：通过专门的指纹采集仪可以采集活体指纹图像。目前，指纹采集仪主要有活体光学式、电容式、超声波方式等。基于图像的指纹识别算法支持小面积的指纹传感器。
　　2) 图像处理：包括指纹区域检测、图像质量判断、频域滤波、频谱分析、图像增强等过程。

        3) 模板融合：针对小面积传感器采集的指纹图像，需要多次对手指不同位置的采集，进行图像拼接使得手指的整体图像逐步完整，从而形成指纹图像模板。模板融合实际也是一个增强后图像的拼接过程。

        4) 指纹比对：将输入指纹的图像与已有的指纹图像模板进行基于图像的匹配，给出两枚指纹的相似性得分，给出是否为同一手指的判决结果。

       基于图像的指纹识别算法可实现 100%的人群覆盖。由于其单位面积信息量大，因此也适用于小面积传感器的指纹识别和比对。同时，它具备了模板的自学习功能，使用户使用体验不断优化，越用越好用。

       维尔公司基于图像的指纹识别算法具有比传统的基于特征点的指纹识别算法更好的识别性能，对各种异常指纹（如纹路不清、小面积指纹、破损手指）以及手指干湿条件变化都能够进行很好的处理。因为对计算能力和内存容量具有一定要求，因此在低成本的MCU和低端ARM上应用时具有一定局限性。