人耳具有豐富的結(jié)構(gòu)， 每個(gè)人的外耳輪廓、內(nèi)部耳溝紋理都是不相同的，而且個(gè)體結(jié)構(gòu)穩(wěn)定、易采集，可用于于生物特征識(shí)別。Iannarelli 首次將人耳用于身份識(shí)別，他通過兩次大規(guī)模實(shí)驗(yàn)證明耳朵具有獨(dú)一無二的特征。此后，人們針對(duì)人耳識(shí)別問題提出了多種方法， 如 Victor 等人 比較了 PCA 應(yīng)用于人耳識(shí)別和人臉識(shí)別的性能。Burge 和 Burger 提出了使用 Voronoi 圖表的鄰接圖匹配方法進(jìn)行人耳識(shí)。Hurley 等人模仿自然界的電磁力場(chǎng)過程， 提出了一種力場(chǎng)轉(zhuǎn)換理論。穆志純等人將基于徑向基核函數(shù)的 Fisher 判別分析算法用于人耳圖像進(jìn)行識(shí)別。 Michael 提出了一種幾何學(xué)方法來提取特征點(diǎn)，他用自己提出的算法進(jìn)行輪廓提取， 然后進(jìn)行二值化、坐標(biāo)歸一化， 找出其質(zhì)心。質(zhì)心是為特征提取所找的參考點(diǎn)， 以質(zhì)心作為參考點(diǎn)可以使圖像滿足平移、旋轉(zhuǎn)、大小不變性。有人還提出了基于灰度曲面匹配的人耳識(shí)別方法。Chen Hui 等人使用距離傳感器直接獲取人耳的 3D 圖像數(shù)據(jù)， 提出基于 3D 人耳檢測(cè)和識(shí)別方法。近期又有人提出了基于粗糙集和支持向量機(jī)的人耳識(shí)別。以上提到的傳統(tǒng) 2D 方法都不同程度的受到光照影響， 從而導(dǎo)致識(shí)別率不高。本文提出一種不受光照和對(duì)比度影響的人耳識(shí)別方法， 首先使用相位一致提取人耳特征，然后對(duì)特征進(jìn)行分塊求和，形成矢量，最后用 KDDA 特征向量投影到低維高可分空間，通過歐