我所在的课题组就是做指纹匹配与分析的，对于2022mathorcup A题很熟悉，已写部分论文，如下，完整论文见文末。
指纹的数学模型如下，对于采集到的指纹图像，需要进行处理的是基于这幅图所提供的 unit8 灰度图灰 度值矩阵，而数学模型就是要在这矩阵中建立坐标系，处理相关信息
指纹图像预处理步骤：
不同匹配方法所得出的实验结果：
模型效果：
当指纹面积减少时，在一般情况下，指纹 图像的匹配对数不会出现如此多的细节点，而且同一根手指在不同情况或不同时间采 集时，两幅指纹图像的重叠区域很难出现足够多的指纹细节点匹配对，这样就无法支 撑指纹细节点特征向量来做匹配了，这种细节点少的情况通常出现在人的大拇指上， 因为大拇指本身面积很大，所以相同较小的面积情况下大拇指纹路相对其他指纹会出 现较少的指纹细节点。正确的匹配对只有三个点对，构成一个三角 拓扑结构，这样就很难识别匹配正确，导致最终的拒识。这种细节点过少虽然可以在 一定程度上增加细节点的特征维度来改善这种拒识，如增加频率、方向和周边点信息 等等，但是随着指纹采集器面积的不断减小，指纹细节点变得越来越少，从而无法支 撑细节点区分大规模指纹数据库下的指纹信息
基于非线性尺度空间的新特征提取方法，利用 A-KAZE 提取指 纹图像的局部特征，根据该文献描述可以得到稳定鲁棒的特征点，然后根据筛选特征即可得到正确的匹配点，比较匹配点个数和阈值即可判断匹配成功与否。
论文地址：A题论文地址
