在前面的一些指纹门禁一体机文章中我们深入研究了低质量指纹图像纹路方向计算和图像分割方法，提出了基于神经网络对纹路方向正确性进行训练和学习的方法，以及在此基础上的指纹分割方法。
低质量指纹图像的纹路方向的正确计算是正确提取特征和进行匹配的基础，针对现有基于梯度和低通滤波方法的缺点，我们在用梯度法计算纹路方向的基础上，结合指纹分割对方向的初步计算结果的正确性进行训练和计算，从而根据方向正确性进行指纹分割并根据正确方向纠正错误方向。
该方法中的神经网络对特定图像块在不同方向上有不同的响应结果，根据这些响应结果也可以确定图像块的纹路方向并进行指纹分割。实验结果表明这些方法有效地提高了低质量指纹图像特征提取的正确率。
深入分析了指纹图像区域类型，提出对指纹图像进行二次分割以去掉残留纹路的方法。许多指纹分割算法能够有效分离不含纹路的区域和纹路结构无法恢复的纹路区域，而无法有效分离纹路结构清晰的残留纹路区域。
二次分割方法在指纹初分割分离不含纹路的区域和纹路结构无法恢复的纹路区域的基础上，对余下区域进行分析，分离出残留纹路区域，从而减少错误特征的提取。
