签名鉴别是一种常见的身份鉴别手段,离线自动中文签名鉴别具有成本低、鉴别结果比较客观的优点,虽然众多学者已对此课题开展了较多的研究,并取得了一定的成果,但鉴别准确性仍然不够理想。因此,有必要进一步深入开展对此课题的研究。基于离线自动中文签名鉴别的需要,给出了鉴别过程中对图像进行预处理的方法和相关技术,包括二值化、细化、降噪、空白区域处理、倾斜校正和归一化等。在此基础上,围绕后续特征提取的需要,进行了签名图像区域的连通性分析。在经过预处理后的签名图像基础上,对签名图像进行了区域划分,采用了伪Zernike矩来描述签名局部区域的形状特征,并构建了相应的特征向量。基于同一书写者存在多种不同风格签名的事实,对多个签名对应局部区域的差异性采用欧氏距离进行了度量,进而用谱聚类的方法分析同一书写者在签名某个局部区域的多种书写特征,在此基础上,引入了“与或树”对签名的多特征特性进行了描述,构建了签名的特征与或树模型。基于签名特征与或树模型的签名鉴别方法是通过设计合适的分类决策函数以对真实签名和伪造签名进行有效分类,从而达到离线自动中文签名鉴别的目的。在分类过程中,决策函数的设计充分考虑了签名的全局特征信息和局部特征信息,并通过支持向量机的方法训练学习获取分类决策函数的最优参数。基于所采集到的数据集设计了训练实验和鉴别实验,实验结果表明所提出方法是有效的,且与其它现有的一些离线自动中文签名鉴别方法相对比,在错误拒绝率、错误接受率和等误率指标上具有更好的表现。