纹理大量的存在于自然界中,纹理分析在国防,自动化,人工智能等领域的应用日益广泛,所以关于纹理的研究一直都是计算机视觉领域研究的重点。生物特征识别是利用人类的生理特征和行为特征进行身份认证的一种技术,其中笔迹就是人类的行为特征中的一个很重要的部分,由于其一定的稳定性,采集的非侵犯性,笔迹鉴别技术被大量应用在电子商务,签名验证等领域上。笔迹鉴别可以分为文本独立和文本依存两种,其中文本独立的笔迹鉴别由于其更加宽广的应用范围日益受到研究者的关注。在大量的关于文本独立的笔迹鉴别研究中,笔迹图像都是当作一种特殊的纹理图像来进行分析,通过提取笔迹图像的整体纹理特征来描述一个人的书写习惯等特性,所以很多纹理分析的方法应用在笔迹鉴别上都取得了很大的成功。在这样的背景下,本文研究了基于局部二值模式(LBP, Local Binary Patterns)的纹理分析方法并将之应用于笔迹鉴别上,接着提出了基于小波和LBP结合的笔迹鉴别算法,一共包含以下几方面的工作：(1)首先介绍了纹理分析研究的问题,具体的应用背景,以及纹理分析的发展历史,研究现状,还简要介绍了一些纹理分析和文本独立笔迹鉴别的经典方法。(2)综述了纹理分析的各种方法,并对其中一些经典的方法做出评价。(3)详细介绍LBP用于做笔迹纹理分析的原理及算法,并将之应用于笔迹鉴别。实验证明,LBP能够作为一种很好的纹理描述方法应用在笔迹上。(4)对小波理论做了简要的介绍,提出了一种基于小波和LBP的笔迹鉴别算法,该算法结合小波的多分辨率分析的特性与LBP良好的纹理描述能力,得到一种更精确的纹理描述符。实验证明该算法能够较大的提高笔迹鉴别的准确率,而且对噪声还有一定的鲁棒性。(5)最后对全文的工作进行总结以及展望。