签名是一种传统的身份识别方式，它具有无法替代的法律地位。在许多场合下，都需要亲笔签名来代表签名者本人。随着信息化的快速发展，传统的直接辨识方法已经逐渐不能满足当前的应用需要，如何利用计算机自动识别手写签名的真伪成为迫切需要解决的课题。因此签名鉴定具有良好的应用前景和巨大的商业价值，世界各国许多学者和研究机构都已表现出极大兴趣并做了大量的工作。但是到目前为止，已经取得的研究成果离这一问题的彻底解决还有很大的距离。随着国民经济的迅速发展，在办公自动化和公共安全等领域，签名鉴定的重要性日益明显，因此大力开展签名认证的研究工作是十分必要的。 脱机手写中文签名鉴定的主要困难就在于特征的提取，所选特征的有效性直接决定着签名鉴定系统的性能，特征提取是本文研究的重点。本文在分析总结国内外脱机手写中文签名鉴定方法的基础上，提出了一种基于Zernike矩和Gabor变换的特征提取方法。并通过实验证明了这种新特征的有效性和优越性。Zernike矩是一种能很好描述模式全局特征的量，它是具有旋转不变性；而Gabor变换实质上是一种加窗傅立叶变换，在分析数字图象中局部区域的频率和方向信息方面都具有优异的性能。因此，我们用正交的Zernike矩提取签名的全局特征，用Gabor特征提取签名的局部特征，利用这两种变换提取的特征可以全面地描述签名。我们采用特征融合技术将两种特征联合起来，作为分类器的输入。 本文的研究主要分为三部分：第一部分为数据采集与预处理，详细论述了签名样本的数字化方法，平滑、二值化、归一化等预处理的过程及方法。第二部分为特征提取，这是全文的重点。首先，介绍了Zernike矩和Gabor滤波器的原理及特点，然后提出了基于Zernike矩和Gabor变换的特征提取方法，最后介绍了利用特征融合技术联合两种特种的方法。最后一部分为实验及结果分析，通过实验证明了本文提出的特征提取方法的可行性和有效性。