笔迹可以反映出一个人的书写风格,每个人的笔迹都有自己特有的形状特点,这是由每个人长期不同的书写习惯所造成的。笔迹鉴别由于其具有的较高的易采集性和易接受性成为身份鉴别领域里一个十分活跃的研究话题。以往的笔迹特征提取方法主要以文字结体为研究对象。当笔迹样本存在较大的文本内容差异时,会在一定程度上导致类内变化增加,降低鉴别率。而笔画作为文字的基本组成部分,在文本相关度较低或存在大量错别字时,仍具有较大的重现性。针对以往的以文字结体为研究对象的离线笔迹特征提取方法在文本相关度较低时无法获取稳定特征的问题,提出了一种以笔画为研究对象的融合特征提取方法。引入概率统计思想,采用网格窗口提取笔画的运笔走势、宽度变化和边缘曲度特征。以Visual Studio 2010为平台进行系统实现。本文实验中笔迹图像的预处理主要包括去噪、去除背景、灰度化、二值化、边缘提取和骨架提取。比较了四种经典的笔迹边缘提取算法,通过实验结果分析得出Sobel算子在提取笔迹边缘时效果较好。并采用基于传统细化算法改进的图像细化算法,提取出较为理想的笔迹骨架图像。本文对已有的微结构特征法做了一些改进,以笔画为研究对象,摆脱了结体依存性的束缚,采用网格窗口提取笔画的运笔走势、宽度变化和边缘曲度特征。引入主成分分析思想,对多种特征数据进行融合,生成特征向量。在笔迹的特征匹配阶段,本文分别采用加权欧式距离、加权卡方距离和加权Manhattan距离计算笔迹相似度。实现了一个与文本无关的离线笔迹鉴别系统,在包含120人的笔迹库上与已有笔迹鉴别方法进行对比实验,文本相关度较低时首选和前10选鉴别正确率分别为90.7%和98.3%。实验表明,以笔画为研究对象的基于特征融合的笔迹鉴别方法在低文本相关度下仍能取得较好效果。