手写汉字识别一直是模式识别领域的研究热点和难点,但目前算法的识别率有一定局限,书写潦草是影响算法效率的重要原因之一,工整度评价可以减少书写潦草对识别率的影响,但针对脱机手写汉字的工整度评价问题,目前并无确切的定量评价方法,评价标准也不统一。此外,手写汉字在一定程度上能够反映出书写者个体差异,但由于脱机手写汉字样本缺乏书写方向、书写力度等动态信息,导致基于手写汉字的身份验证难度大大增加。针对这些问题,本文利用多种相似度特征和神经网络分类识别算法,研究了脱机手写汉字的工整度评价方法,并基于相似度特征对书写者身份进行了识别验证。完成的主要工作如下:（1）针对本文测试需要,采集书写差异较大的测试者的手写汉字图像,建立工整度评价手写汉字测试集,并从中随机选取部分汉字构建身份验证汉字测试集。为了提高工整度评价和身份验证准确率,对手写汉字图像进行预处理,包括汉字图像剪裁、灰度化和二值化、滤波去噪、汉字图像标准化和汉字图像骨架提取等。（2）提取手写汉字图像与标准模板汉字图像之间的三种相似度特征,包括相关系数、Tversky指数和余弦相似度。其中用于余弦相似度计算所需的特征,分别采用了同心圆分割、纹理特征、网格特征和图像投影四种不同的方法进行提取。通过分析处理相似度特征完成了手写汉字工整度的定量评价,并将算法评价结果与人的评价结果进行比较。结果表明,基于相似度对手写汉字工整度进行评价的结果与人工评价一致。（3）以业务办理常用语“同意办理”为测试汉字,提取手写汉字的多种相似度特征,并与身份验证数据集中的汉字模板进行对比,利用BP神经网络分类器完成书写者的身份验证。结果表明,基于手写汉字相似度特征进行身份验证的准确率高于85%。同时,提出采用表征学习和度量学习的方法对手写汉字进行特征提取,采用Res Net-50网络提取了手写汉字特征图,并将特征图转化为2048维特征向量。通过SVM分类器对提取的特征进行分类,随着惩罚因子a的增大,识别准确率可以达到90%以上。本文利用相似度特征提出的脱机手写汉字工整度定量评价和身份验证方法,算法简单可靠,工整度评价结果与人工评价结果一致,书写者身份验证准确率高于85%。利用深度学习方法,基于脱机手写汉字进行身份验证的准确率高于90%。工整度评价方案能够有效提高汉字书写规范程度和识别准确率,提出的基于脱机手写汉字的身份验证方法,在业务办理常用语的小数据集上取得了较好的识别效果。