在指紋門禁控制器的指紋識別中給出了一個神經網絡對因像塊在16個方向(將紋路方向量化為16個方向，在梯度矢量方法下圖像塊叮1的量化方向,而其真實量化方向應該更好，根據計算結果。一般來說，對于質量較低的紋路圖像塊，其在真實紋路方向上有較大的響應，在其他和真實紋路方向差異較大的方向上也可能會有較大響應．在非真實方向上的響應較大是由圖像噪音引起的；對于質量較高的紋路圖像塊，在和真實紋路方向差異較小的方向上有較大響應，而在其他方向上響應較小，如在前面指紋識別中描述的所示；對于非紋路圖像塊，在每個方向上的響應都較小。對于低質量區域，如果所有圖像塊在用特定方法(比如梯度矢量法)計算出的紋路方向錯誤，而且有些塊在錯誤方向上有較大響應，則該區域很可能會被劃分為前景，但其方向錯誤，因而無法正確提取特征；如果能夠正確計算或糾正這些區域的方向，則這是更好的改進方法，該方法通過計算神經網絡對各圖像塊在各個方向上的響應來計算指紋圖像的方向場。