为优化离线手写签名验证,本文提出了一种基于区间符号表示和模糊相似性度量的高效离线签名验证方法。在特征提取步骤中,从签名图像及其欠采样位图计算一组基于改进局部二值模式(LBP)与灰度共生矩阵(GLCM)相融合的特征。然后获得每个签名类中每个要素的区间值符号数据。最后,为每个人的手写签名类创建由一组间隔值(对应于特征的数量)组成的签名模型。为了验证测试样本,还提出了一种新的模糊相似性度量来计算测试样本签名和相应的区间值符号模型之间的相似度。为了评估所提出的验证方法,使用了不同类型的中文手写签名笔迹图片进行测试与比对,本文的识别率可以达到92.75%。实验结果表明当训练样本的数目是10或更多时,有效提高了识别率,本文所提出的方法优点在于当向系统添加新类时,所提出的方法不需要被重新训练。所提出的方法在内存使用和计算时间方面较与神经网络是廉价的。