签名笔迹是一种相对稳定的行为特征,每个人的签名都具有一定的不变性,而且笔迹的获取具有非侵犯性,易为人所接受。签名笔迹作为鉴定个人身份的手段在当今社会的重要性越来越突出,广泛应用于刑事侦察,信用卡签字和电子商务等领域。如果个人的签名被伪造,很可能会带来非常严重的经济损失和社会后果。因此,对签名进行鉴定具有重要的应用价值和意义。在现实生活中,所要鉴别的签名图像大多是静态的,即离线的签名图像。因此,鉴于离线签名鉴定应用的广泛性,本文主要研究内容是基于离线签名为前提的。作为签名笔迹鉴定的一个核心内容是如何选择一组有效的特征。然而无论哪一种特征都是从某一种角度刻画图像的,都有其片面性。若想从根本上解决特征的缺陷问题,就要用到多种特征互相补偿。但不加选择的把所有能获得的测量值全部用作分类特征,又会引发“特征维数灾难”现象。因此要想提高签名笔迹鉴定的正确率,减少误判率和拒识率,就需要对原始签名特征数据进行充分分析,经过认真的选择或变换,在保证一定分类精度的前提下,去掉那些分类能力很差的特征和彼此相关性很强的特征,从而减少特征维数,达到加快鉴定速度,提高鉴定效率的目的。为此本文采用主元分析方法对签名笔迹进行研究,它的目标就是在保证签名笔迹特征信息丢失最少的情况下,对高维变量空间进行降维处理。即将显式变量作一定的线性转化,产生数量较少的隐式变量,降低原始签名特征空间的维数,再从新的隐式变量中提取主要特征信息。这样既保留了原有签名笔迹特征的信息,又消除特征变量间的关联、简化分析复杂度,从新的特征空间中提取符合相应要求的主元数,同时也消除了部分噪声干扰,从而有效降低综合签名鉴定分类错误率,达到较好的鉴别效果。