指纹分类及指纹特征匹配
当系统工作在识别状态（Identification）时，指纹分类对于分解整个复杂的识别任务、缩小细节匹配的范田和提高识别的效率具有非常重要的意义。在1:N的情况下，如果逐一进行指纹匹配，将消耗大it的时间。对指纹进行分类，可以避免搜索整个指纹库，从而提高1:N识别的效率。匹配过程中只需将待识别指纹与指纹库中与其类型相同的指纹进行匹配，由此可以大大减少匹配次数，提高识别速度。
指纹分类的思想最早由E.Henry提出。他提出了著名的Henrysystem方法，将指纹分为五种结构类型：拱形（Arch）、帐拱形（rentedarch）、左其形（Leftloop）、右箕）（Rightloop）和螺形（Whorl，也称为斗形）。分类的依据是中心点附近的纹线结构以及中心点、三角点的数量和相对位。Henrysystem方法提出之后，在人工指纹识别中获得了成功应用。
指纹分类中，应该考虑以下四个方面的问题:
1.指纹类型的数目。指纹类型数目决定了指纹分类对提商1:N识别效率的作用，在指纹数目一定的情况下，将指纹划分的类型越多，IN属于某一类型的指纹越少，从而分类对提高IN识别效率的作用越大。因此一个分类算法应该能够把指纹分成数目足够多的类，但当类别过多时，类别搜索时间开销增大，反而可能影响搜索匹配效率。
2.指纹数量在各类中的分布。即指纹属于各种类型的可能性。在类型数目一定的情况下，指纹属于各种类型的概率分布对1:N识别的效率也具有直接影响，如果指纹属于不同类型的概率相等，则数据库中的指纹模板均匀分布在各种类型中，能有效提高1:N识别的效率。反之，如果指纹属于各种类型的概率很不均衡，有些类型的指纹很多而有些类型的指纹很少，则这种分类对于提商1:N识别的效率愈义不大。指纹在各类中的分布越均衡，检索的效率就越高。
3.分类准确度。分类的准确性是指自动分类应能准确地将指纹划归为其所属的客观类型。例如，如果某一指纹的结构符合类型人的定义，那么它应该被划归为类型人而不是类型B。注意不要混淆分类的准确性和上面所说的分类一致性。分类的准确性是相对于指纹的客观类型而言的，而分类一致性并不关心指纹的具体类型。例如，可能出现这样的情况，一个指纹的结构在客观上属于类型A.但是却被自动分类算法划归为类型B，同时对于该指纹的不同图像，每次都被划归为类型B。这种情况虽然不浦足分类的准确性，但是符合分类的一致性要求。分类方案必须达到一定的准确度，即能够将每个指纹准确归属到相应的类别中去，而不应出现分类错误或无法分类的情况。
4.分类算法的运算量。相对于分类一致性和准确性来说，指纹分类速度并不是很重要，因为对于指纹库中的指纹可以在后台进行分类，或者在每次添加新的指纹时对其进行分类。在1:N识别时只需对待识别指纹进行一次分类橄作。如果分类搜索比对样本数据库进行线性搜索的速度还要慢，用分类机制来检索指纹库就斑无愈义了。
