传统的离线手写签名鉴别工作常采用人工的方法,该方法识别效率低、准确率不足,在计算机技术飞速发展的今天,众多科研人员利用信息处理技术开展离线签名鉴别工作,尽管目前已经取得了一定的研究成果,但仍存在一些问题和不足,尤其是针对中文离线签名鉴别的研究工作开展的还很少。因此需要做更加深入的研究。鉴于此,本文提出了一种新的基于双视觉词袋模型的离线签名鉴别算法,主要研究内容如下:(1)针对传统的离线签名预处理方法,如签名图像二值化、平滑等方法都不可避免的导致了签名图像信息的丢失问题,本文提出了一种基于图像掩模剪裁的预处理方案,最大程度的保留了原始签名图像的有效信息;(2)针对签名图像中大部分空间为空白区域,只在笔划处具有特征的特点,本文提出了一种基于笔划区域的PULBP(Partial-Uniform LBP)特征,有效解决了传统ULBP算子在签名图像特征提取过程中,有效信息实际占比低的问题;(3)针对传统的特征融合方法常采用直接拼接方法,隐式地改变了特征权重的问题,本文提出了一种基于双视觉词袋模型的方法,将多特征有机融合,提高了离线手写签名真伪鉴别算法的鲁棒性。(4)针对学术界中对于中文离线签名鉴别问题研究较少的现状,本文算法兼顾考虑中文签名中汉字的特点,实验证明,本文方法对于中文签名鉴别也具有较强的鲁棒性。(5)针对目前中文签名没有公开的数据库,数据样本小的现状,本文进行了中文签名收集工作,共采集了40位书写者的真实签名图像,以及其他书写者精心模仿的熟练仿造签名。针对每名书写者,我们共收集了其真实签名共计30个,熟练伪签名共计30个。本文方法在两个英文公开签名数据集与本文作者自建的中文数据集上进行了实验验证,实验结果表明,本文方法鲁棒性强、适用性广,与其他公开的方法比较,具有更高的签名真伪识别准确率与等错误率。