笔迹鉴别是一种重要的人体生物特征识别方法,它在公安、司法、考古、金融和电子商务等各个领域都有广泛的应用,而非特定脱机手写笔迹鉴别是笔迹鉴别中应用范围最广的分支,是目前研究的热点和难点。本文主要研究非特定人脱机手写笔迹鉴别的算法。本文将在图像分类中常用的Bag of Words(BoW)方法运用到非特定人脱机手写笔迹鉴别中。在特征提取方面,我们对SIFT特征,NoSIFT特征,SURF特征,CNN激活特征,LBP特征进行详细介绍和讨论对比。受Contour-Hinge等特征的启发,文中提出基于轮廓点的ELBP和基于轮廓点的ESIFT特征,实验证明两种基于轮廓点的特征包含互补信息,将两种特征融合后可以进一步提高鉴别准确率。在特征编码层面,本文对传统的硬投票(Hard Voting)方法和LLC稀疏编码方法进行对比分析,首次提出将一种基于局部仿射子空间编码的方法(LASC)运用到笔迹鉴别。这种方法考虑到每个单词周围邻域空间信息,因此明显优于传统硬投票和LLC编码方法,当字典空间较大时,该方法不会过早的出现过拟合现象,随着字典空间变大,鉴别准确率可以进一步提高。同时,本文深入讨论分析了基于GMM的FV、UBM、KLD三种编码方法并进行了对比实验分析。之后本文对比分析了基于BoW的特征表达和基于GMM的特征表达各自优缺点以及各自性能。最后,本文提出一种多字典特征融合的非特定人脱机手写笔迹鉴别方法。通过将判别性较高的特征进行加权融合,在公开数据集ICDAR2013和CVL数据集上取得较好的效果。