肖春景 ，乔永卫 ，贺怀清 ，c

（中国民航大学 a.计算机科学与技术学院；b.工程技术训练中心；c.天津市智能信号与图像处理重点实验室，天津 300300）

由于手写体签名在信用卡身份检查、支票签名及机场登机身份验证等安全检查方面的应用，使手写体签名自动识别已成为模式识别重要的研究领域。离线手写体签名识别已丢失书写过程的动态信息，仅依靠签名图像的静态信息，可用信息较少，识别难度较大。

目前的离线签名识别有结构和统计两种方法。结构方法中利用空间分布特征、笔段特征、轮廓检测等方法提取字形结构[1-2]，对结构特征较敏感，区分相似字的能力较强，但是结构特征难以抽取，不稳定；以自组织映射方法、神经网络、概率密度函数、支撑向量机等为主的统计方法[3-7]，按一定的距离度量匹配准则，采用多维特征值累加的办法，把局部噪声和微小畸变淹没在最后的累加和里，具有良好的鲁棒性、较好的抗干扰抗噪声的能力，但是可以用来区分“敏感部位”的差异也随之消失。特征提取是这些方法中非常重要且必须的步骤，并且特征提取结果将影响分类器的设计和性能以及最后的识别结果。基于统计的特征提取方法主要有灰度值、梯度、方向分布和灰度密度等方法，基于结构的方法主要有签名图像宽高比、签名点面积和图像总面积比、连通域和网格个数等；基于伪动态特征的方法主要有笔锋特征、签名骨架方向的灰度特征、灰度面积等。……