当前社会,指纹识别技术已经取得了许多的进展,并已经进入了产品化的阶段,在电子产品,安全,刑侦等领域有着广泛的应用。但在刑侦领域,很多情况下,由于指纹提取环境的复杂性和长时间的环境侵蚀作用,提取指纹的质量很差,甚至无法通过肉眼进行辨认,这对嫌犯的确认工作等造成了很大的困难。对于这类低质量指纹,在指纹的增强复原和比对之前,通常需要通过提取方向场来辅助去噪。本课题面向应用,通过结合深度学习技术和传统图像处理算法,实现低质量指纹的方向场提取。本文提出的要求是做出一套能提取更精确的指纹方向场的算法系统,来替代原始系统中的指纹方向场提取部分。本文对指纹方向场提取系统进行了设计,并解决了系统中指纹特征提取难,网络收敛难,输出相互平滑等问题,并对系统提取指纹方向场的效果进行了测试和验证。首先,针对系统整体设计,本课题总共给出了三种可能的方案,分别是是直接解码,聚类方案和传统视觉结合深度学习的方案。经过验证,最终直接解码和聚类方案由于在现场指纹上表现较差被排除。其次,针对系统中的传统视觉算法,本文设计了系统的图像预处理部分。预处理分别两个部分。首先是对图像中主要噪声的滤除。卡通-纹理分解能够有效的提取图像中的纹理部分,但仍然会保留大量的纹理噪声。之后使用频域滤波可以滤除大部分纹理噪声。第二部分是指纹有效区域的提取。指纹图像包含了大量非指纹的部分,还有很多区域指纹纹理破坏过于严重,导致很难还原。剔除这些区域对于指纹方向场预测的准确性有比较大的提升。同时,本文设计了系统中从预处理的指纹图像中提取方向场的深度学习网络。模型基于语义分割网络,并针对语义分割网络在本文环境中应用产生的问题进行了改进。网络输出改为回归型之后收敛速度和准确度得到了很大提高,加入机器学习提升算法后解决了由角度定义造成的角度鸿沟问题。本文也设计了针对本项目的相应损失函数。最后,本文为测试系统性能,设计了相应的定量测试实验。本文最终的算法系统在使用弱标签的情况下一次匹配准确度指标精度超过了0.85,达到并超过了原始系统的准确率,充分证明了算法的泛化能力和可靠性。