现实生活中越来越多的场合使用签名作为身份认证的方式,从而产生了大量需要鉴别签名真伪的需求。传统的签名鉴别需要依靠签名鉴别专家人工分析分类,在大量样本中寻找真伪签名,需要耗费大量时间成本。计算机签名鉴别就是依靠计算机提取签名中的特征,使用机器学习模型自动或辅助专家预测签名样本作者的技术。随着计算机技术的发展,计算机签名识别技术逐渐受到人们的重视。本文介绍了签名鉴别的研究现状,并以此为基础,研究了签名的采集、预处理、特征提取及特征匹配技术。本文主要完成了以下工作:(1)收集实验需要的签名图像数据,分别使用扫描仪和三维体式显微镜获取签名的二维和三维图像。二维签名预处理包括灰度变换、滤波去噪以及大小归一化等工作,签名在书写及扫描的过程中会引入墨点污染、纸张杂质污染以及扫描机械污染,进行预处理可以有效的减少污染,避免后续特征提取的影响。三维签名预处理为曲面校正、去除离群点以及滤波去噪,纸张平面易弯曲,表面带有杂质,且扫描过程中机械振动会产生噪声,进行预处理可以减少的实验材料带来的干扰。(2)提取签名特征。提取特征是签名鉴别的关键步骤,二维特征提取的是签名图像的灰度共生矩阵特征(GLCM)和局部二值模式特征(LBP),并融合了两种特征形成新的纹理特征,为签名鉴别打下了基础。提出了签名笔划深度特征的提取方法,提取签名的深度矩阵并计算统计特征作为签名笔划的特征,合并多个笔划作为签名的特征。(3)设计了基于纹理特征和深度特征鉴别方法的整体框架,在GPDS数据集合和本地中文签名数据集上分别进行实验,验证了纹理特征和深度特征在签名鉴别上的有效性。实验结果表明,在本地熟练伪造中文签名数据集上,GLCM和LBP特征单独使用时均能有效的分辨出签名的真伪,融合特征将最佳总正确率提高到了87.75%。深度特征在熟练伪造签名数据集上的鉴别效果优秀,达到了97.378%,明显高于传统的签名鉴别方法。