在自动指纹识别系统中，常用的特征主要有方向场、频率场、细节点以及奇异点。作为指纹的基础特征，方向场可以用来进行奇异点检测、指纹图像的增强、分类以及匹配等。因此，方向场估计是指纹识别过程中非常重要的步骤。常用的方向场提取算法有梯度法、模型法、滤波法以及其它方法。基于梯度的方法计算简便、结果精确，但容易受到噪声的影响；基于模型的方法对低质量图像有一定的效果，但在奇异区域效果较差，并且计算复杂度较高；基于滤波的方法有较强的噪声抑制能力，但计算耗时，并且角度值有限。对于上述传统算法，存在着三个较为严重的问题：1）指纹质量较低时，无法获得满意的结果；2）无法在背景区域获得可靠的方向场；3）基于模型的方法，如Legendre模型或FOMFE模型，在奇异区域会产生较大偏差。针对低质量指纹图像，本文提出了基于GVF模型的方向场计算方法。GVF模型有着两个显著的优点：一是作用范围非常大，二是迭代的本质使其可以有效抑制噪声。算法主要由两个步骤构成：1）快速平滑扩散，目的是消除噪声，并在背景区域获得可靠的方向场；2）奇异区域修正，目的是对奇异区域的方向场进行修正。此外，为了获得更好的计算效果，在计算过程中还需要对指纹进行质量评估以及裂痕检测。质量评估主要根据复数滤波的响应来确定，而裂痕检测则主要通过一组不同方向的滤波响应来获得。为了验证算法的有效性，我们进行了FOE平台测试以及匹配实验。实验结果表明，无论是低质量指纹图像还是高质量指纹图像，基于GVF模型的方向场提取算法都能获得准确的方向场分布。