手写签名鉴别是一种新兴的基于生物特征的身份识别技术,与传统的身份识别方式相比,手写签名识别可以提供一种更为安全、可靠、便捷的身份识别新途径。一个完整的离线签名鉴别过程应包括两部分:签名识别和签名认证,前者目的在于找出签名对应的签名者,而后者则是对签名的真伪进行鉴定。相比签名认证对应的二分类问题,签名识别的多分类问题要复杂得多。本文提出一种基于集成神经网络的手写签名自动鉴别方法,解决离线签名识别的多分类问题。其鉴别流程包括预处理、特征提取和集成神经网络三个部分。签名图像预处理的过程就是一个获取灰度签名信息载体、二值签名信息载体和签名骨架信息载体的过程;特征提取则是从各种签名信息载体中提取相应的识别用特征,包括基于灰度共生矩的纹理特征、基于中心矩的几何不变矩特征和形状矩特征;集成神经网络由特征分配网络、神经网络认证主体和决策融合识别网络三部分构成。集成神经网络采用分而治之的思想,为每个签名者构造独立的分类器,将签名识别的多分类问题转化为多级二分类问题,当新增或减少签名类别时,只需添加或删除相应的分类器。此外,该方法针对每个分类器分别构造认证、识别训练集,使一种网络结构完成两种功能——对签名的进行真伪认证和类别识别,能对未知类别签名作拒识别处理(签名样本不在已知类别内)。实验证明该方法认证和识别准确率高,且不随签名类别增多而降低,可以用来辅助人类专家进行签名鉴别。