随着信息技术的高速发展,信息安全越来越受到人们的高度重视。离线签名作为一种重要的生物特征,能够有效地用于身份认证。本文对离线签名鉴别预处理、特征提取以及签名鉴别等离线签名鉴别技术开展相应研究。本文采用数理形态学方法对签名图像进行增强,得到低噪的二值化图像。签名图像轮廓包含丰富的几何形态特征,并且能够较好反映签名笔画走向,本文的特征提取建立在签名图像的轮廓之上。为了提取签名图像的几何结构特征,本文采用方向特征、统计特征。方向特征提取出签名图像笔画的方向和位置信息,对签名图像的细微结构变化很敏感；而统计特征则对于签名者的签名图像的细微变化并不敏感,更着重于提取签名图像中的统计特征。因此,本文采用特征融合的方法组合上述两种特征,以获得能够较好表征签名图像的高维特征。提取特征获得特征维数往往较高,本文采用主成成分分析对高维特征进行降维。经过降维处理之后的特征,维数降低,主要信息仍然保留下来,对分类的正确率影响较小,而分类的运算速度有较大的提高。本文采用支持向量机作为离线签名鉴别的分类器。实验结果证明,方向特征与统计特征融合的方式能够取长补短,在MCYT与GPDS两个公共签名数据库上表现出较好的性能。