笔迹鉴别是通过分析手写笔迹的书写风格来判断手写人身份的一门技术。近年来，社会需要对笔迹鉴别的研究提出了新的要求，模式识别和人工智能等相关学科的进展为笔迹鉴别的发展提供了新的契机。随着应用领域的不断扩展，笔迹鉴别技术已成为计算机视觉和模式识别领域中一个十分活跃的研究课题。 本文基于神经网络技术，研究了行之有效的手写笔迹鉴别方法，力图为解决笔迹鉴别中所存在的困难探索切实可行的新途径。本文主要研究内容如下： (1)研究了笔迹图像预处理方法，主要包括对鉴别图像进行灰度化、二值化、平滑去噪、倾斜校正、归一化等。本文给出一整套笔迹预处理算法，实验中取得了良好效果。 (2)将笔迹视为纹理图像，利用纹理分析的方法提取其纹理特征是目前笔迹鉴别研究的热点。本文在讨论纹理分析常用方法基础上，研究了一种基于小波包最佳基的特征提取方法，该方法在二维空间上由Haar小波包基对笔迹纹理实施3尺度小波包分解，在由香农熵为代价函数提取到的12个小波包最佳基处对分解系数实行重构，用重构系数作为鉴别的特征，实验证明这种办法具有纹理自适应匹配的能力。 (3)由于神经网络的特点及其在笔迹鉴别领域体现出的潜力，本文对基于神经网络的笔迹鉴别技术进行了研究。本文研究了BP算法实现、网络结构及参数选择，探讨了BP算法的改进方法。本文采用改进的BP网络作分类器，取得了较好的实验结果。 (4)分析和设计了笔迹鉴别系统。该系统软件使用Visual C++6.0开发工具和SQLserver 2000等编程工具。软件可在各种Windows操作系统平台上面稳定运行，具有较高准确性、良好的可移植性及友好的人机交互界面。