签名是一种使用广泛的识别身份的生物特征，在社会生活中扮演着重要的角色。基于手写签名的身份鉴别在金融、军事、商业、通信、办公自动化、安全等领域有着广泛的应用前景。因此研究在离线状态下，使用计算机对手写签名进行自动识别进而辨别身份的技术具有很大的实用价值。本文对离线签名鉴别中的预处理、特征提取、认证和识别作了深入的研究。主要内容如下： ⑴研究了签名图像的平滑、二值化、细化和笔迹修复等预处理操作。考虑签名图像特性并针对图像二值化中的阈值选取问题，提出一种混合二值化算法，有效地解决了全局阈值法和局部比较法的不足，抗噪能力强，保持笔划连通性好，适合于签名图像的二值化。 ⑵提出一种基于保局投影的特征提取方法。综合采用签名的形状特征、伪动态特征、纹理特征作为初始特征，克服了单一特征没有足够能力反映细微差异的缺陷；利用保局投影对高维初始特征集进行降维，获取更具判别性的特征。该方法既具有保持数据集结构不变的非线性特点，又有效解决了“维数灾难”问题。 ⑶提出一种基于最优阈值的签名认证方法。运用加权欧氏距离构建判别器，采用遗传算法自适应选取最优阈值。克服了传统方法对所有人选取相同阈值的缺陷。实验结果表明该方法能有效的降低误识率（FAR）和拒识率（FRR），从而提高签名认证的准确率。 ⑷采用一种具有纠错能力的多类SVM分类法对签名图像进行识别。利用纠错码结合支持向量机来构造多个二元分类器；根据每个SVM分类器的输出采用投票方法决定识别结果。该方法有效地利用了信道差错控制编码技术因而具有纠错能力，取得了比传统方法更好的识别效果。