生物特征识别是利用人类特有的生理或行为特征对个人身份进行识别的技术。它提供了一种高可靠性、高稳定性的身份鉴别途径。人耳识别作为这一领域的一个新的分支,同时也是模式识别和计算机视觉极具挑战性的课题之一。与其他生物识别技术相比,人耳有其独特的生理和结构优势,使得它在公共安全、信息安全等领域有着潜在的应用前景,越来越受到人们的关注。本文针对目前人耳识别中存在的一些问题做了相关研究,主要有以下几个方面。首先,本文对人耳图像进行预处理,运用中值滤波进行平滑处理处理、双线性差值进行尺寸归一化处理、直方图均衡化进行光照归一化处理。然后,对预处理后的图像进行边缘检测,通过对多种经典边缘检测算子实验结果比较,本文采用一种标记分水岭算法并将其应用于人耳的边缘检测。这使得特征提取时只需处理人耳区域本身,提高了特征信息的有效性。在获得了有效人耳区域的基础上,对其进行特征提取。先用主成分析方法(PCA)对图像进行降维处理,提取出人耳的主成分,由于PCA方法的分类效果差,而局部二进制模式方法(LBP)是一种很好的纹理描述算子,具有很强的分类能力,所以在提取主成分之后,再用LBP对其进行特征提取,并将提取出的特征用于后续的训练和识别。这两种特征提取方法相结合不仅能提高识别率,而且也能减少训练时间。在训练阶段采用两种方法对网络进行训练,两者的差别只是输入不同。一种是把分割后的图像用PCA降维后直接作为网络的输入,另一种是把PCA降维后的图像用LBP对其进行特征提取后,再作为网络的输入。并把训练好的网络用于识别。由于入耳在采集的过程中会受到光照、抖动等的影响,为了模拟这个过程,整个识别过程包括三个部分：标准图像识别、加噪图像识别和轻微灰度变化图像识别。最后给出实验结果。实验表明,采用PCA+LBP的特征提取方法取得了较好的识别率。