| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 引言 | 第9-17页 |
| ·课题背景 | 第9-12页 |
| ·生物识别技术概况 | 第9-10页 |
| ·签名鉴定的分类及特点 | 第10-12页 |
| ·传统的中文签名鉴定 | 第12页 |
| ·离线签名鉴别的国内外发展现状 | 第12-15页 |
| ·离线签名鉴别的难点 | 第15页 |
| ·本文的工作及组织结构 | 第15-17页 |
| 第二章 相关理论与方法 | 第17-41页 |
| ·采集及预处理阶段 | 第17-30页 |
| ·降噪 | 第18-19页 |
| ·中值滤波方法 | 第18-19页 |
| ·新兴的噪声抑制方法 | 第19页 |
| ·二值化图像 | 第19-21页 |
| ·基于最大熵的直方图阀值分割算法[11] | 第20页 |
| ·基于最大类间方差法（OTSU） | 第20-21页 |
| ·图像灰度化处理了 | 第21页 |
| ·图像细化 | 第21-25页 |
| ·签名提取（注：该内容已经发表在《四川经济管理学院学报》2009年第二期P53） | 第25-30页 |
| ·签名特征提取阶段 | 第30-39页 |
| ·基于灰度共生矩阵的签名图像特征提取 | 第32-35页 |
| ·基于不变量的签名图像特征提取 | 第35-39页 |
| ·签名识别阶段 | 第39-41页 |
| 第三章 基于脉冲耦合神经网络的离线签名鉴定 | 第41-48页 |
| ·PCNN 模型 | 第41-45页 |
| ·基本模型 | 第41-43页 |
| ·PCNN 模型主要特征 | 第43页 |
| ·PCNN 用于特征提取的理论分析 | 第43-45页 |
| ·PCNN 熵时间序列特征提取 | 第45-46页 |
| ·实验结果 | 第46-48页 |
| 第四章 基于微粒群PSO 神经网络的离线签名鉴定 | 第48-59页 |
| ·微粒群算法(PSO ) | 第48-50页 |
| ·PSO 算法理论概述 | 第48-50页 |
| ·PSO 算法流程 | 第50页 |
| ·PSO 算法与人工神经网络 | 第50页 |
| ·PSO 神经网络模型（PSO-NN 模型） | 第50-53页 |
| ·实验结果 | 第53-57页 |
| ·本章小结 | 第57-59页 |
| 第五章 离线签名自动鉴定系统 | 第59-67页 |
| ·系统概述 | 第59-60页 |
| ·系统功能 | 第60页 |
| ·系统分析 | 第60-64页 |
| ·Use Case diagram | 第61页 |
| ·Activity Diagram | 第61-62页 |
| ·Sequence Diagram | 第62-63页 |
| ·Class diagram | 第63-64页 |
| ·系统模块设计 | 第64-66页 |
| ·图像采集模块 | 第64页 |
| ·图像预处理模块 | 第64-65页 |
| ·签名识别模块 | 第65-66页 |
| ·系统评价 | 第66-67页 |
| 第六章 结论与展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 附录：离线签名自动鉴定系统设计 | 第72-87页 |