在当今信息高度发达和网络开放的社会，传统的基于信物或口令的身份鉴别方式存在容易丢失、遗忘、被复制及盗用的隐患而不能满足信息时代的安全要求，因此人们需要一种更加安全和便捷的身份验证方式来适应社会发展的要求。通过辨识人的生理或行为特征进行身份认证的生物特征识别技术提供了一个方便可靠的解决方案。　　 笔迹鉴别作为生物特征识别中的一种有效身份验证技术，已经成为国内外生物特征识别领域的研究热点。由于笔迹所特有的复杂性和不确定性，离线的文本无关的笔迹鉴别是笔迹鉴别研究中最具有挑战性的分支。本文主要研究离线的文本无关的笔迹鉴别特征提取算法，主要完成的工作如下：　　 1.介绍了笔迹鉴别的相关背景知识及研究现状，综合分析前人的离线笔迹鉴别研究成果发现，基于局部结构特性和整体笔迹特征能达到很好的效果。　　 2.受到多分辨分析思想和马尔科夫性的启发，我们提出了多尺度高斯马尔科夫随机场模型（GMRF），成功地将多尺度的概念和统计随机模型结合起来用于纹理图像表示。该方法用小波变换和GMRF模型在不同尺度下分析纹理图像。　　 3.提出了基于多尺度高斯马尔科夫随机的笔迹鉴别算法，算法基本思路是：利用小波的多分辨分析能力提取笔迹的纹理特征和奇异信息，并考虑到邻域系统的马尔科夫性，然后用高斯马尔科夫随机场模型来描述了笔迹图像和其小波高频子带中隐藏的笔迹局部结构。整个特征提取算法综合考虑了笔迹的微结构信息（局部特征）和整体的书写风格（整体特征）。在对笔迹图像进行小波分解时，我们不仅采用了传统db可分小波，而且还用到了一种新的You和Chen构造的不可分小波。实验表明，基于多尺度高斯马尔科夫随机场模型的笔迹鉴别算法在人数为105人的笔迹库上取得较为满意的结果。