自动手写签名识别技术是当今模式识别研究领域的一个热点。它的目的在于让计算机能够自动判定某个签名的真伪,是生物特征识别中最受大众广泛接受的一种身份认证方式。从学科建设与发展的角度看,自动签名识别涉及模式识别,计算机视觉,智能人机交互,图形学,认知科学、心理学等多个学科。同时,作为生物特征识别关键技术之一的自动签名识别技术在公共安全、信息安全、金融等领域具有广泛的应用前景。经过近三十年的研究,自动签名识别技术取得了长足的进步,其中自动在线签名识别技术已渐成熟并投入商用,而自动脱机签名识别技术作为自动签名识别技术的一个重要分支,其识别技术还远未成熟。自动脱机签名识别技术特别是熟练伪签名检测技术还存在着大量的关键问题亟待解决。本文主要针对签名的特征提取、稳定模型的建立以及系统融合等几个热点问题进行了深入地研究,主要的贡献如下:①针对现实中采集的签名因为出现的旋转而影响签名特征提取的稳定性的问题,本文提出两种基于环形结构特征(REF)的签名模型用于解决签名旋转的问题。该环形结构特征能够表征签名的内外部结构,并且具有旋转不变性和尺度不变性。在签名旋转不变性的实现中,实现方法分为两种,一种是通过离散快速傅里叶变化(FFT)删除REF特征的相位平移,并结合马式距离模型(MD)实现签名的识别。另一种则使用环隐马尔柯夫模型(Ring-HMM)直接用于签名的识别。本文所提出的两种模型方法分别在自建数据库和公共数据库MCYT上实验,取得优于同类方法(DRT+HMM,曲率描述子)的实验结果。②提出一种行之有效的签名选择算法。签名具有不稳定性,本文主要分析同类签名的稳定性,并针对同类签名中畸变过大的签名对签名模型稳定性造成的负面影响,提出一个简单而行之有效的签名选择算法,该算法主要实现在训练(注册)阶段对变形过大的签名样本进行筛选,使建立的模型相对稳定,并有效地提高系统的识别率。③提出一个新的形状几何结构特征-EODH,该特征不仅像传统的形状几何结构特征一样能够表征签名的轮廓结构特征,而且还融合了签名轮廓点的梯度角度用于表征签名笔段的方向变化及平滑情况,以及同方向的相邻边界点间的关系信息,使其更有利于熟练伪签名的检测。④多级加权模糊分类器的提出。好的签名特征只有选择合适的分类器才能有利于提高系统识别率。本文通过对提出的EODH特征特点的分析,针对它固有的特点进一步改进原有的加权模糊分类器,提出多级加权模糊分类器用于EODH特征的分类,实验结果表明,多级加权模糊分类器比原加权模糊分类器更有利于EODH特征的分类。⑤在前面的研究基础上,提出基于串型结构的多类器融合解决方案。本文采用串型的多分类器级联融合方式,把前面所提出的两个独立识别系统(基于EODH特征和多级加权模糊分类器的识别系统与基于方向梯度密度特征和加权模糊分类器的识别系统)的决策结果进行融合。实验结果表明,该融合方案能够有效地实现两个独立系统的优势互补,提高系统的整体性能,并且该方案实现简单且效果显著。