随着社会的不断发展,身份识别变得越来越引起人们的重视,个人签名作为身份的象征,在身份识别方面已经成为重要的识别工具。因此对签名识别的深入研究有很大的应用价值和实际意义。本文主要研究离线中文签名的特征提取与设计识别方案。主要内容分为三部分,第一部分是签名图像数据集的建立与图像的预处理工作,首先搜集在校大学生的真实签名和虚假签名来建立数据集,然后对建立的数据集进行归一化、二值化、平滑去噪等预处理步骤来降低外界因素的干扰和签名图像的噪声。第二部分是对签名图像的特征提取过程,首先提取了签名图像的7维几何矩特征,然后通过分析不同分辨率下签名图像的特点提出了基于多分辨率技术的几何矩特征提取方法,提取了三种不同分辨率下的几何矩特征。其次,提取了包含图像灰度信息的18维灰度直方图特征。最后,根据签名字体的书写风格提取了3维的笔划密度特征。第三部分是签名图像特征融合和识别。首先对提取的几何矩特征进行串行融合和并行融合实验,并通过朴素贝叶斯分类器进行识别。实验发现,通过本文提出的几何矩提取方法,对不同分辨率下提取的几何矩特征进行串行融合后签名识别率为89.23%,并行融合后识别率可以达到89.6%,比采用原始方法得到的几何矩特征进行识别时识别率分别提高1.19%和1.56%。然后设计了新的签名图像识别方案,即先对不同分辨率下提取的几何矩特征进行串行融合,然后把灰度直方图特征和笔划密度特征与其进行串行组合。对得到的42维特征利用朴素贝叶斯分类器进行分类识别,签名图像的识别率达到了94.87%。最后从签名图像的个数、签名特征的维数和签名识别效率三个方面将本文提出的识别方案与其他学者的方案相比较,发现本文的识别方案在识别效率上具有一定优势,平均识别一个签名的总耗时仅为0.15秒,并且本文使用较少的签名特征就取得了不错的识别准确率。综合比较可以得出本文提出的签名图像识别方案的识别率以及识别效率是可行的。