本论文以笔迹书写人身份鉴别问题为背景，研究基于改进的多通道Gabor小波变换的笔迹鉴别问题，建立了基于该算法的笔迹身份鉴别系统。论文工作涉及：笔迹图像的获取，笔迹图像的预处理，笔迹图像的纹理特征提取，笔迹图像的分类匹配，以及基于改进的多通道Gabor小波变换的笔迹鉴别系统的构造和实现。论文取得的主要研究成果如下： (1) 论文提出了一种改进的盐和胡椒滤波器。原算法只运用于对黑白二值图像去除噪声，而灰度图带有更多的反映书写人习惯的特征信息。改进的盐和胡椒滤波器可应用于灰度笔迹图像，对于分布广泛且不均匀的噪声点的去除有较好的效果。 (2) 由于笔迹纸张中的网格线不代表书写人的笔迹风格，且会影响特征提取的准确性，将这些网格线与笔迹文字分离并去除是预处理中的重要步骤。为此本论文提出了基于中文笔迹中使用的信纸、稿纸等带有特殊格线的纸张的去除背景的方法，实验证明了此方法的有效性。 (3) 为了去除行间距、字间距、不同行高等不带书写人笔迹风格而影响特征提取准确性的因素，论文对笔迹图像的范化问题进行了研究，提出了一种将水平投影法、垂直投影法和字块拼接法结合的笔迹字块归一化的方法，使归一化操作一次完成，同时保证了笔迹文本内容的完整性。 (4) 论文对Gabor小波变换算法进行了改进，提出了适合笔迹特征提取的纹理分析算法。该算法与笔迹所写内容无关，避免了对笔迹图像文字进行分割的操作，符合鉴别笔迹的习惯。该算法可记录下每一个通道的书写人笔迹风格的特征向量——均值和方差，它们记录下了每个通道笔迹图像纹理特征的重要信息。论文选取40个通道的80维向量记录在该笔迹书写人的笔迹模式库中。 (5) 论文对笔迹图像分类器进行了设计，通过加权欧式据立法和k-近邻算法对笔迹样本进行分类匹配，将训练后的80维特征向量以纯文本格式保存于不同的笔迹模式库中。其优点为数据存储量小、便于管理，辨识速度快。 论文在Windows 98环境下用Microsoft Visual C＋＋6.0编程完成系统。采用多线程方式，使用50个人的不同手写中文笔迹进行实验，识别率达到97.6％。同时，论文还提出了多生物特征的身份鉴别融合系统的设计方案；将基于改进的多通道Gabor小波变换的笔迹鉴别系统用在对印刷体汉字的识别，取得了较好的效果，平均识别率达到99％。因此，该离线的基于笔迹的身份鉴别系统具有一定的实用性。