Det visas, för ett antal relevanta databaser, att Cellular Frequency Amplification (CFA) förbehandlingsmetod, introducerad av Willis and Myers (2001), förbättrar FAR/FRR prestanda för Precise Biometrics verifikationsalgoritm. Detta både bekräftar och förstärker Willis och Myers slutsatser ur ett verifikationsperspektiv: Förbättrad FAR/FRR prestanda visar att CFA förmår att extrahera underliggande mönster i databaser med brusiga fingeravtryck i större omfattning än de fyra alternativa förbehandlingsmetoder som utvärderas. Dessa metoder är trösklingsbaserad binarisation, Stock-Swonger binarisation och två företagsägda algoritmer. CFA presterar minst lika bra som de två valda företagsägda förbehandlingsalgoritmerna, har bättre prestanda än Stock-Swonger algoritm och presterar mycket bättre än trösklingsbaserad binarisation. För FAR av storleksordningen 1/1000 till 1/10000 ger CFA metod i FRR värden som är upp till en femtedel lägre än den nästbästa förbehandlingsmetoden. Den karakteristiska skalan för ett fingeravtryck, där inga större förändringar i den spatiala frekvensen eller riktningen inträffar, är 2 mm. Exponent k=0.8 har visats vara optimal för bildförbättring. Högre exponenter presterar sämre eftersom även karakteristika av högre ordning tillsammans med strukturellt brus undertrycks ännu mer med ökande k.

It is shown, for a number of relevant databases, that the Cellular Frequency Amplification (CFA) preprocessing method, introduced by Willis and Myers (2001), improves the FAR/FRR performance for a Precise Biometrics authentication algorithm. This not only corroborates the findings by Willis and Myers, but strengthens them from an authentication perspective: The improved FAR/FRR performance shows that CFA manages to extract the underlying pattern in the noisy fingerprint databases to a larger extent than the four alternative preprocessing methods that were evaluated. These methods were binarization by thresholding, Stock-Swonger binarization, and two proprietary algorithms. CFA performs at least as well as the two selected proprietary preprocessing algorithms, outperforms the public-domain Stock-Swonger algorithm, and far outperforms binarization by thresholding. In the FAR regime 1/1000 to 1/10000 CFA yields FRR values up to one-fifth lower than for the next-best preprocessing method. We find a characteristic scale of 2 mm in the fingerprint, over which no large changes in spatial frequency or direction occur. An image enhancement exponent of k=0.8 is found to be optimal. Larger exponents perform less well due to the fact that higher-order characteristics in the fingerprint pattern are increasingly suppressed together with the structural noise.