生物特征识别方法正逐渐成为近年来的研究热点,而人耳识别更是其中一个新兴的研究方向。人耳独特的生理特征和观测角度优势使人耳识别成为其他生物特征识别技术的有益补充。目前,人耳识别在国外尚处于初步探索研究阶段,在国内研究这方面的科研机构和人员也还不多,因此它具有巨大的研究价值和广阔的应用发展空间。本文首先建立了一个自动人耳识别系统,它由人耳图像采集、图像预处理、特征提取、特征数据处理以及神经网络分类识别几个模块组成。在人耳图像采集模块中,本文结合实验室设计的一个人耳采集系统,构建了一个标准的中国人人耳图像数据库。它包含了200个中国人的人耳,采集时每个人采集左右两只人耳的图像,每只人耳有4种场景(其中3种典型的光照变化和1种强光遮挡)、4个拍摄角度,总共拍摄人耳图像6400幅。在图像预处理模块中,本文研究了多尺度几何变换的原理及特点,并结合人耳图像自身特点将Curvelet变换用于人耳图像的增强与去噪过程中。然后使用小波模极大值提取人耳图像的边缘,以消除光照不均、光照变化的影响。在特征提取模块中,为了更有效地利用小波矩不变量算法来快速无损地计算人耳图像特征值,本文提出了一种融合Mallat算法的无损采样的新型小波矩不变量算法。在此基础之上,结合傅立叶变换的原理及特点,提出了基于频率幅值谱与小波矩不变量的特征提取方法。并将改进的小波矩不变量算法与传统使用三次B样条矩的小波矩、Hu矩进行了比较。在特征数据处理模块与神经网络分类识别模块中,分析了图像特征误差的产生原因,将得到的特征量使用误差处理方法进行加权,以减少误差对分类识别的影响,并利用3层BP神经网络方法完成识别。实验结果表明:①与其它方法相比,曲波去噪后的图像PSNR有较大提高,视觉效果明显改善,特别是在图像边缘的恢复上效果明显。并且曲波增强效果也好于其它方法。②相对于传统小波矩不变量算法,改进的小波矩不变量在性能几乎没有损失的情况下,大大加快了小波矩不变量的计算速度,并且基于频率幅值谱的小波矩有更强的抗噪性。③实验中有200个样本的人耳图像,每个样本有光照变化、平移、缩放、加噪、旋转共72种状态,利用前述人耳自动识别系统进行识别,各种尺寸人耳图像的识别率都达到了97%以上,并且在模拟加入10%的随机噪声的情况下识别率也都达到了95%以上。总之,该人耳识别系统不仅可以在很大程度上解决人耳图像采集中的光照不均、光照变化、噪声干扰的问题以及人耳图像采集中的平移、旋转与缩放问题,而且还可以取得很高的识别率。因此本论文有望为人耳识别技术的发展和应用提供有价值的研究思路。