生物特征识别已广泛应用于监视应用,法医学和刑事调查。由于生物识别系统可以提供比传统的个人身份验证系统(例如令牌或密码)更高的安全性解决方案,其中令牌可能被盗,长密码或密码难以记忆并且可能被遗忘。此外,随着对法医学和诸如访问控制,移民和商业应用等安全领域的更多安全系统的需求的增加,生物识别系统最近引起了很多关注。近年来,耳印由于其显著的优势,受到了生物统计学界的广泛关注。人耳很大并且可以获得,对年龄和表情稳定,并且对于同卵双胞胎和三胞胎而言也是不同的。随着使用耳朵生物识别系统作为面部和指纹生物识别系统在许多应用中的兴趣日益增加,特别是在监视和取证上,其需要压缩耳朵图像数据,通过网络传输到特定位置。由于存储容量和传输数据的限制,可能是低质量的无线信道,在应用程序中需考虑图像压缩对其系统性能的影响。然而,以前的工作没有提出压缩技术对耳朵生物识别系统的影响。因此,本文首先研究和分析已知压缩算法(JPEG,JPEG2000和BPG)对耳朵识别系统的影响,特别是对两个公共和可用的耳朵数据库。最近,JPEG和JPEG2000标准在面部和指纹生物识别等生物识别应用中发挥了至关重要的作用。因此,这项工作的第一个方法研究在耳朵图像通过低质量无线信道传输时,例如采用JPEG和JPEG2000压缩后对耳朵识别性能的影响。首先,使用POEM,LPQ,LBP和BSIF等局部耳朵描述符来表示和提取耳朵图像特征。然后,利用JPEG和JPEG2000来压缩耳朵图像。最后,采用支持向量机(SVM)进行各种压缩率的耳朵识别。为了评估我们的研究,在两个公共耳朵数据库,USTB和IIT德里数据库上进行实验。结果表明LPQ描述符在压缩率达到0.4 bpp时仍具有识别上的优势。之后,为了改进我们之前在特征提取和图像压缩方面的工作,我们研究了一种基于卷积神经网络(CNN)的压缩耳朵识别新方法,用于获取更好地表征耳朵图像的特征提取,同时采用便携图形(BPG)压缩用于更好的压缩耳朵图像。我们的动机是改进耳朵图像表示并利用BPG算法的优势来进行耳朵图像压缩下的识别。该方法首先采用BPG算法压缩测试耳朵图像。然后,我们利用VGG-M预训练来提取训练和测试耳朵的深层特征。最后,SVM用于耳朵分类。实验结果表明,该方法比以前的方法具有更好的性能。此外,所提出的方法在压缩的耳朵图像生物识别系统中获得了很好的性能。