人耳具有结构稳定丰富、不受面部表情的影响、更容易采集、更容易为人接受、不容易欺骗等优点,因此人耳识别正在成为生物特征识别领域中的又一热点.目前人耳识别正处于起步阶段,方法并不成熟,识别率不高.该文在此背景下对人耳识别进行了研究.该文对人耳识别的基本概念进行了介绍,对现有的人耳识别技术进行了综述,并从轮廓提取定位、特征提取及识别两个过程进行了人耳识别的研究.该文的主要工作包括:(1)该文先后使用动态轮廓线(ACTIVE CONTOUR,也称为SNAKE)、BALLOON、DUAL SNAKE模型进行了耳廓轮廓提取,并针对实验中出现的问题,对DUAL SNAKE模型从自适应驱动力、轮廓进化方式、迭代终止条件几个方面进行了改进.(2)该文采用了利用耳廓轮廓进行定位的方法,即利用耳廓的长度、宽度分别进行竖直和水平方向定位,并在不同初始轮廓以及人为添加高斯、椒盐噪声的情况下对轮廓提取定位方法进行了实验.实验中取得了较好的效果.(3)基于K-L变换的主分量分析(Principal Component Analysis,PCA)方法在人耳识别中得到了成功的应用,该文在此基础上,将Fisher判别分析(Fisher Discriminant Analysis,FDA)、独立分量分析 Independent Component Analysis,ICA)、标准化FDA方法应用于人耳识别中,并在小样本集合上,利用基于欧氏距离的最近邻分类法,对四种特征提取方法的识别效果进行了比较.实验中标准化FDA方法获得了99.01﹪的识别率.该文在PⅢ计算机MATLAB环境下实现了论文中提到的所有算法,实验结果表明,该文提出的轮廓提取改进算法在很大程度上提高了图像的分割定位效果,而特征提取方法的比较则为进一步的研究与应用打下了基础.