签名是一种使用广泛的用于识别身份的生物特征。基于手写签名的身份鉴定，在金融、军事、商业、通信、办公自动化、工程文件等领域，不仅过去的几百年中一直被采用，而且可以预计将来会继续有着广泛应用的前景。因此对签名鉴定技术的深入研究，对于提高实际应用水平和有关学科的科技进步都有着重要的意义。本文首先分析了脱机手写签名鉴定的意义、发展及国内外研究动态，探讨了脱机中文签名鉴定实现的难点和主要的研究方法。然后深入研究和分析了脱机签名识别中的预处理技术、特征提取技术和识别技术。本文的主要内容有：在签名的预处理技术中，对平滑算法以及图像的倾斜校正进行了重点介绍，并尝试了利用象素方差求图像倾斜角的方法。在原始特征的提取时，为了尽可能体现签名的个体特征，同时采用了静态形状特征和伪动态特征。形状特征的重点是具有旋转、平移和尺度不变形的伪Zernike矩。伪动态特征方面，我们提取了原始灰度特征、高灰度特征和改进后的灰度分布直方图特征。结合遗传算法的全局搜索能力和小波神经网络快速高精度的特点，本文提出了两种基于遗传算法的小波神经网络模型，克服了梯度下降法易陷入局部极小和引起振荡效应等缺点。模型1：用具有自然进化规律的遗传算法来对小波神经网络的连接权值和伸缩平移尺度进行优化训练，代替了小波神经网络中按单一的梯度方向进行参数优化的梯度下降法；模型2：用遗传算法来对小波神经网络的各参数进行前期优化训练后，再用梯度下降法进行二次优化。我们把基于遗传算法的小波神经网络模型用于脱机签名鉴定，实验结果表明，此方法与单独采用BP网络或小波神经网络相比，模型1减少了运算量，提高了运算速度；模型2可以达到大约有9.2％的平均误判率，正确鉴定率提高了5％左右。针对可用真签名样本特别少，伪签名样本可能缺失的情况，本文提出了一种基于小样本集的签名鉴定方法。在这个新方法中，将待鉴定签名样本特征投影到参考真签名样本的主成分投影坐标系后，根据新坐标系中的特征数据进行判决。新系统的性能主要取决于参考真签名样本，不再依赖于少数固定的伪签名样本，并且参考真签名是动态的，因此对真、伪签名变化具有更大的动态适应性。实验显示，该系统在只有4、5个参考真签名样本和没有参考伪签名样本的条件下，可以达到大约11.78％的平均误判率。