生物特征识别是利用人类特有的生理或行为特征进行个人身份识别的技术，它提供了一种高稳定性、高可靠性的身份鉴别途径。而耳廓凭借其特殊的生理位置和结构特征，已经成为生物特征识别领域的新起之秀，得到了越来越多的关注，耳廓识别在公共安全、信息安全等领域具有潜在的应用前景，并日益引起人们的重视。目前耳廓识别的研究还处于实验测试阶段，要开发出真正健壮、稳定、高效的人耳识别系统，还需要解决许多问题。本文针对耳廓的识别方法进行了大量的实验研究，将图论中的最小生成树、图匹配问题应用到耳廓匹配识别中，主要工作如下：（1）将图匹配中的IsoRank算法应用到耳廓匹配中，利用全局对齐的方法通过邻域拓扑的匹配近似的解决耳廓关键点图的匹配问题，最终找到两个图形结点之间的对应关系，以获得两图间最大的整体匹配，以完成耳廓匹配。（2）结合图的结构和耳廓的形状特征，首先利用路径跟随算法进行耳廓匹配，通过对凸凹松弛问题进行线性插值，获得一条凸凹极小值问题的解路径，然后进一步跟随解路径找到局部极小值，获得耳廓关键点图之间的对应关系，最后根据整体差异测度判断耳廓识别结果。（3）首先利用耳廓局部形状特征的相似性对齐耳廓上的关键点，将两只待匹配耳廓的相似性表示成一棵最小生成树，然后将关键点上的局部形状特征融入联合α熵，再利用最小生成树估计联合α熵，通过联合α熵的值来衡量两只耳廓的差异程度，进而实现耳廓识别。（4）实现了耳廓识别领域的多篇学术论文的核心算法，并分别与本文三种算法的实验结果进行了对比分析，验证了本文三种耳廓识别算法的识别精度和效率。