笔迹鉴定在刑侦,商业,历史文本分析等领域有着日益广泛的应用。利用计算机对文档作者进行自动识别与鉴定已经引起越来越多研究者的注意,成为了一个热门的研究方向。以往基于二值化后的笔迹图像的笔画特征的笔迹鉴定算法丢失了灰度值等重要的笔迹信息,并且依赖于文本内容。如今,基于局部特征算子的特征提取算法,已经广泛应用于目标检测,行为识别和纹理分析等领域。本文中笔迹鉴定算法的研究,基于局部特征直方图方法的框架,即把笔迹图片看作包含特殊统计规律的纹理图片,借鉴纹理图像分析方法进行算法设计。研究利用不同局部特征算子进行笔迹鉴定的效果,并提出了新的基于局部小波二值模式(LBP,LocalBinaryPatterns)特征。实验仿真表明,与其他相关算法相比,它识别能力强,算法复杂度低,并且对噪音有良好的鲁棒性。由于它是一种基于非参数直方图比较的方法,它不需要对直方图分布假定任何模型,也不需要对参数进行调整,这样避免了可能的错误模型,而且不需要复杂的学习过程。本文主要包含以下几方面的工作:(1)对笔迹鉴定的背景,应用,基本的方法做了阐述,并对各种方法做出了评价。(2)综述了各种局部特征算子,并对其中一些经典的方法的优势与劣势进行了分析。提出了基于直方图的笔迹鉴定算法的一般流程与方法,为以后的笔迹鉴定研究提供了一个理论框架。(3)详细介绍了新的局部特征算子,小波域LBP算子,并将它应用到笔迹纹理分析的原理及算法,并将之应用于笔迹鉴定。实验证明,新的局部特征算子(LWBP,LocalWavelet Binary Patterns)能够作为一种很好的局部特征方法应用在笔迹鉴定上。(4)最后对全文的工作进行总结以及展望。