人耳识别是一种比较新的生物特征识别技术,它是根据人耳生物特征进行身份识别。人耳识别既可以单独应用于一些个体识别场合,也可以作为其它生物特征识别技术的有益补充。人耳识别技术的出现将会丰富生物特征识别技术领域,同时也为计算机视觉和模式识别领域提供了新的挑战。本文首先研究了人耳图像预处理和边缘检测问题。在人耳图像边缘检测中,提出一种改进的基于小波变换和中值滤波Canny算子提取耳廓边缘。实验表明:该方法有效地提高了边缘检测的准确性,得到了比较理想的边缘检测效果。其次研究了人耳识别中的特征提取方法,主要介绍了线性子空间方法和非线性流形学习方法。对基于线性判别分析算法(LDA)的人耳特征提取进行了研究,由于在实际的人耳代数特征提取过程中存在着小样本问题,所以本文为解决这一问题,提出了应用主元分析降维的线性判别分析算法,并在人耳图像库中进行了实验分析,取得了较高的识别率。接着深入分析了以流形学习为主的非线性特征提取方法。研究了当前具有代表性的流形学习及其特征提取算法:等距映射(Isomap)、局部线性嵌入(LLE)和拉普拉斯特征映射(LE),通过仿真实验揭示出三种流形学习方法在合成数据和人耳数据上的性能表现。最后基于传统LLE特征提取方法的研究提出了一种改进算法:基于测地线距离的LLE算法(ISOLLE)。分析了所提出算法的理论基础和算法细节,通过在两个人耳图像库上进行仿真实验验证了所提出的改进算法在一定程度上优于传统的LLE算法。