人耳识别技术是一种新的生物特征鉴别技术,以其独特的应用方向和优势已经引起了研究者越来越多的注意。它涉及到生物特征提取、计算机视觉、图像处理、模式识别和身份认证技术等诸多领域。人耳识别技术既可以作为其他生物识别技术的有益补充,如和人脸、指纹相结合进行识别,也完全可以单独应用于一些个体身份鉴别的场合。虽然关于人耳识别的算法已有不少,但是利用最佳边缘信息进行人耳识还是一个未深入研究的方向。为此,本文通过综合分析人耳识别的研究现状,对边缘信息在人耳识别应用中涉及到的基础理论和方法进行研究。人耳图像的去噪是人耳识别过程中的一个重要步骤。本文提出了一种基于肤色检测的人耳图像去噪及修复方法。该方法通过肤色检测将人耳图像分割成肤色区域和非肤色区域,肤色检测在HSI色彩空间下进行,其中被肤色区域包围的非肤色区域将被判别为噪声区域,最后利用修复算法修复该区域。修复算法就是利用非肤色噪声周围的肤色像素来取代噪声区域的非肤色像素。实验结果表明,该方法可以有效的去除噪声,同时能较好的保留边缘等重要信息,并具有算法简单的优点。传统边缘检测方法大多以各种微分算子为基础,结合模板及门限、平滑等手段提取边缘,或以传统微分算子为基础的改进算法,但或多或少都存在噪声敏感性较大或边缘保留不完整的缺点。本文将灰度形态学的方法应用于边缘检测,利用形态运算膨胀、腐蚀、开、闭等变换以及它们的组合,提出了一种改进的形态学边缘检测算子,可以完整探测、准确捕捉到边缘点的位置,并且具有滤波作用。实验结果表明,与传统的边缘检测算子相比较,该算法抗噪性能良好,计算量较小,因此具有一定的实用性和可行性。Hausdorff距离是一种用于二值图像比较的一种有效相似度量,本文在原有Hausdorff距离的基础上,提出了一种利用标准方差和边缘线段长度差改进的Hausdorff距离,该距离可以更准确的度量边缘间的差异。从而较好地解决了传统Hausdorff距离因噪声点、伪边缘和外野点而造成的误差问题。在人耳识别的最后部分尝试探索使用在小样本识别中具有很大优势的支持向量机方法。支持向量机主要针对小样本进行分类,它所使用的参数大多是人为确定的,计算简单。最后利用人耳数据库中的320幅图像进行实验,改进后的算法识别率可达到94.4%。显然,该算法取得的效果是令人满意的。