生物特征识别技术已经逐渐代替传统的加密认证方式,其中离线手写签名鉴别技术研究是生物特征识别技术研究中的重要领域之一。离线手写签名鉴别现已被应用在很多方面,例如金融、司法等。离线手写签名以静态图像的形式进行存储,图像仅存在静态特征。因此,提取出有效的签名图像特征,在进行离线手写签名鉴别研究中至关重要。本文对本地自建的维吾尔文手写签名数据库和CEDAR数据库中的离线手写签名鉴别进行研究。通过对签名样本的特点进行分析,签名之间的特异性主要表现在其样本中的局部不同。本文提出了基于边缘信息和基于分块理论的特征,并且使用特征融合的方法提高签名鉴别准确率。本文主要工作如下:(1)对离线手写签名鉴别技术的相关概念和研究现状进行介绍和总结,分析了在离线手写签名鉴别研究中存在的困难之处;(2)对签名样本图像进行预处理操作。在进行大小归一化、灰度化、二值化和平滑去噪处理时分别使用双线性插值、加权平均法、Otsu、双边滤波等方法;(3)提出基于分块理论的融合纹理特征。对签名进行分块处理后,对每个分块中的图像提取MB-LBP和LPQ两种纹理特征,并将提取到的所有纹理特征融合为基于分块理论的纹理特征。使用支持向量机和随机森林分类器对签名进行鉴别,在维吾尔文签名数据库中总正确率为96.06%,在CEDAR数据库中总正确率为97.04%;(4)提出一种基于边缘信息的高维特征。获得签名样本的边缘图像后,提取SURF和ORB特征点并融合,建立基于边缘信息的改进视觉词袋模型。同时,对签名提取边缘方向直方图。将改进视觉词袋模型和边缘方向直方图融合,形成基于边缘信息的高维特征,使用SVM和RF分别进行签名鉴别,最终对维吾尔文签名鉴别的总正确率为93.69%,对CEDAR数据库进行签名鉴别的总正确率为96.17%。通过对本地维吾尔文手写签名数据库和CEDAR数据库中签名进行实验,所能得到的最高总正确率分别为96.06%和97.04%。所以,本文所提出的方法在进行离线手写签名鉴别时有较好的准确性。