现场指纹是指犯罪现场中无意间留下的指纹。与常规指纹相比,现场指纹的图像质量较差、纹理不够清晰且常常被各种噪声所覆盖。因此在指纹特征匹配之前,需要先将现场指纹图像进行分割,把图像分割成指纹区域和非指纹区域。然后再对指纹区域进行增强,去除指纹噪声并修复指纹纹理信息。现场指纹分割是指将现场指纹图像中的有用指纹区域从背景噪声中分割出来,是现场指纹识别系统中非常重要的处理步骤。针对现场指纹图像分割,本论文提出一种基于稀疏表示的现场指纹分割算法。首先,为了减少图像噪声,我们采用全变分(Total Variation)模型将现场指纹图像分解成非纹理图像和纹理图像。非纹理图像主要由非指纹信息如数字和手写字体等噪声组成;而纹理图像主要包括有用的指纹纹理信息,如脊谷相间的纹线结构。纹理图像将用于后续指纹处理,而非纹理图像作为噪声不处理。然后,基于Gabor函数构造图像表示字典,并将这个字典用于纹理图像的稀疏表示。基于纹理图像在稀疏表示时系数矩阵的稀疏性区别指纹与非指纹区域,因此通过计算系数矩阵的稀疏性可以估计指纹图像质量。最后,利用质量图和形态学处理得到最终的指纹图像分割结果。通过上述分割算法得到的指纹区域由于受各种噪声影响导致纹理不清和纹线断裂。针对这个问题,本论文提出一种将稀疏表示和指纹方向场结合的现场指纹增强算法。首先,计算纹理图像的指纹方向场并基于方向一致性计算可靠度。然后,对低可靠度的指纹区域采用基于全局Gabor字典的稀疏表示和图像重建。最后,对于重建后图像的脊线方向与原来图像的方向差别较大的区域采用基于局部脊线方向构造的局部Gabor字典再进行稀疏表示和图像重建,使得重建后的图像保持原有的纹线结构特征。上述分割和增强算法在现场指纹图像库NIST SD27进行测试和实验验证,实验结果表明本文提出的算法不仅能把有用指纹区域从复杂背景噪声中分割出来,而且能够很好地去除各种噪声、恢复有用的指纹纹理信息,提高图像质量。