人耳识别作为一种新的生物特征识别技术，由于人耳独特的生理特征和突出的观测角度优势，越来越受到专家和学者的关注。它既可以作为一种生物特征单独用于身份的鉴别与判断，也可以与人脸、步态、虹膜等其他生物特征结合在一起，构成多特征组合识别系统，因此人耳识别具有巨大的研究价值和广泛的应用前景。本文在研究经典Isomap算法的基础上，针对其缺点提出了两种不同的改进算法，与Curvelet变换相结合，建立了一个完整的人耳识别系统。该系统由图像预处理、特征提取、空间转换、特征降维、特征分类五个模块组成。在图像预处理模块中，研究了Curvelet变换的原理及其方法，结合人耳图像曲线信息丰富的特点，把Curvelet变换应用到人耳图像的去噪预处理中。在特征提取模块，采用逆Curvelet变换用Curvelet系数重构图像，作为表征人耳的特征。在空间转换模块，研究了图像欧氏距离的相似性度量方法，并嵌入到Isomap算法中，以克服Isomap算法对噪声和扰动敏感的缺点。在特征降维模块，首先研究了Isoamp算法相关理论及存在的问题，针对其对新增样本泛化能力差的缺点，提出了基于流形重构的Isomap算法用于高维样本特征的维数约简。在特征分类模块，将基于Curvelet变换和图像欧氏距离的低维特征向量用最近邻分类器进行分类。实验结果表明：（1）基于Curvelet变换的去噪方法使图像的信噪比有很大的提高；（2）采用Curvelet系数重构图像的特征提取方法可以进一步降低图像中的噪声，使系统具有较强的噪声鲁棒性，当噪声强度越大时，Curvelet变换所体现的效果越显著；（3）图像欧氏距离度量具有一定的平滑作用，可以降低偏转角度和噪声的影响；（4）基于流形重构的Isomap算法对训练样本采用全局非线性结构保持的思想，利用Isomap算法计算低维表示，对新增样本，利用局部线性的思想，保持局部线性关系不变，可以快速准确地用低维训练样本重构新增样本的低维表示；（5）基于Curvelet变换和改进Isomap算法的人耳识别系统充分利用Curvelet对噪声抑制能力，从而弥补了改进Isomap算法对噪声敏感的不足，充分发挥其对新增样本的泛化能力，使系统具有较高的识别率和噪声鲁棒能力。总之，本文人耳识别系统，既可以解决数据库中偏转角度、噪声等问题，又可以快速准确得到测试样本的类别，效率高，稳定性强。因此，希望本论文可以给人耳识别的研究提供有价值的思路。