计算机和网络的普及使得人们之间的交往越来越频繁、越来越方便,但随之而来的安全问题却越来越突出。传统的身份鉴别方法(如钥匙、口令等)已不能满足社会的需要,基于生物特征的身份鉴别技术的发展为我们提供了一种更加方便和可靠的解决方案。可供做个人身份确认的生物特征有许多种,大致可分为两类。一是行为上的特征,例如签名、语音;另一种是生理上的特征,例如掌纹、指纹、脸形、虹膜等等。随着信用卡消费方式的普及,以个人签名作为身份确认的方式已被广泛应用。自动签名鉴定分为联机和脱机签名鉴定两种。与联机签名鉴定相比,脱机签名鉴定受设备约束少,具有更广的实用范围,但是由于脱机签名鉴定丢失了在书写过程中的动态信息,鉴定难度更大。本论文以脱机签名鉴别为研究对象,主要工作如下:1.基于轮廓追踪的特征提取,其尝试利用轮廓线上的坐标序列为基础进行小波变换来提取特征。由于轮廓线忠实全面地反映了原签名的结构信息,因此实验中将签名图像进行预处理以后转为封闭轮廓线,以封闭轮廓线上点的坐标序列为基础进行小波变换来提取特征。本文使用Marr小波对坐标序列进行多分辨率分析,提取分解所得各条曲线的分形维数作为特征来进行判别。2.基于Contourlet的网格特征提取。Contourlet变换不仅继承了小波变换的主要特征(多尺度、时频局部),而且具有高度的方向性和各向异性。Contourlet变换是对图像的多尺度多方向表达,能准确把握图像几何结构信息,是一种对图像“真正”的稀疏表达。手写签名具有丰富的方向性特征,Contourlet变换能有效获取图像中的笔划密度方向特征,真实反映签名的结构特性,从而有利于脱机手写签名的正确鉴别。借助网格思想,本文将模式识别两种传统的特征提取方法统计特征和结构特征有机地结合起来,利用K-L变换进行维数压缩,最后输入支持向量机进行真伪鉴别。同时,将分形维应用到Contourlet网格特征之中,对其进行改进,准确把握了子块图像的自相似性,获得了更佳的识别效果。