随着计算机技术和通信技术的发展,人类之间的交往变得越来越便利,但信息安全隐患却愈加突出。所以,实时准确的个人身份认证技术也就应运而生了。手写签名作为一种身份鉴定的手段,弥补了传统的身份认证利用密码、IC卡等方式本质上的缺陷,且与其他生物特征相比具有不可遗忘性、自然性和共享性等优点,因此得到越来越广泛的应用。手写签名作为生物特征身份认证技术最普遍的方法之一,在行政、流通、保险、信用卡签字等领域发挥显著作用。鉴于巨大的实用潜力和附加的特别难度,研究离线状态下利用计算机对手写签名进行自动识别具有重要的理论和现实意义。全文的主要研究工作概括如下：本论文以中文手写签名图像为研究对象,首先回顾了签名识别技术的概况及本课题研究的意义,论述了手写签名识别研究的现状、热点和难点,总结了国内外在此领域研究的进展,提出了现存问题的不足和待改进的地方,然后围绕模式识别的四个基本研究内容：数据获取、预处理、特征提取和选择以及分类识别,对离线中文签名验证涉及的若干关键技术进行了概括性探讨。在签名图像分类识别技术研究中,本文在两方面做了一些有意义的工作：一是在探讨贝叶斯基本理论的基础上,提出了一种改进均值Bayes分类算法,使得正确识别率提高到89%,FRR降低到7.18%；二是结合K近邻模型和证据理论,提出了一种可变K值的KNN分类算法,该方法克服了K值的不确定性且获得了较高的识别率。最后,通过实验对20组签名进行了分类识别,并证明了本方法的有效性。