1.一种离线手写签名鉴别方法，其特征在于，包括以下步骤：
S1、对离线签名样本库中的离线签名样本进行预处理；
S2、对预处理后的签名图像进行多个特征的提取，包括矩特征、局部二值模式特征、灰度共生矩阵特征和脉冲耦合神经网络特征；
S3、对提取的离线签名样本的多个特征进行训练，得到训练后的标准样本库；
S4、获取待测签名，并对待测签名进行预处理，得到待测签名的多个特征；
S5、将待测签名的多个特征与标准样本库中离线签名样本的对应特征进行匹配，识别出待测签名是真实签名还是伪造签名。
2.根据权利要求1所述的方法，其特征在于，步骤S3具体为：
选择离线签名样本库中的任意一个离线签名样本作为测试样本，其他作为训练样本，并计算训练样本特征向量的均值，以及训练样本的特征向量之间的距离，得到距离的均值方差；
计算该测试样本与训练样本的特征向量的均值距离，比对训练样本距离的均值方差，计算测试样本与训练样本的相似程度，若相似度大于预设阈值则为真实签名，否则为伪造签名，得到训练后的标准样本库；
统计该标准样本库中的错误拒绝率和错误接受率。
3.根据权利要求1所述的方法，其特征在于，步骤S3具体为：建立对应离线签名样本的不同特征的分类器，并进行训练，得到符合鉴别率的分类器；
步骤S5具体为：将待测签名的多个特征通过对应的分类器进行识别，并根据不同分类器的输出结果判断待测签名是否为真实签名。
4.根据权利要求3所述的方法，其特征在于，步骤S3具体为：建立对应离线签名样本的不同特征的分类器，并按真伪样本对相应的特征向量进行标注，随机选取离线签名样本库的部分样本的特征向量进行训练，其余部分样本作为测试样本，并对测试样本的预测结果进行统计，得到鉴别的正确率。
5.根据权利要求1所述的方法，其特征在于，步骤S1中的预处理包括二值化、剪切边界、大小归一化、倾斜矫正和缩距；
二值化具体为：以最佳阈值将图像的灰度直方图分割成两部分，使两部分之间的方差取最大值；
剪切边界具体为：对签名图像进行水平和垂直投影，根据投影直方图对边界进行剪切，得到去除边界的签名图像；
大小归一化具体为：通过填充上下边界使签名位于图片中部，再将图片按比例缩放；
倾斜矫正具体为：将签名图像的像素点作为特征点，利用图中特征点与基线的关系，将特征点用最小二乘法拟合出基线的方向，即为签名的倾斜方向；
缩距具体为：对签名图像作垂直方向的投影，得到投影直方图；统计投影直方图中最低处的个数，及其间的距离，根据最低区域的距离判断其是否为签名图像的空白区域，若是则剪切这段空白区域，得到缩距后的签名图。
6.根据权利要求5所述的方法，其特征在于，对不同的预处理过程提取不同的特征，具体为：对剪切边界的灰度图像提取脉冲耦合神经网络特征，对归一化的灰度图像提取纹理特征包括局部二值模式特征和灰度共生矩阵特征，对归一化的二值图像提取低阶矩特征。
7.一种离线手写签名鉴别系统，其特征在于，包括：
离线签名样本库采集模块，用于采集离线签名样本；
样本库预处理模块，用于对离线签名样本库中的离线签名样本进行预处理，并对预处理后的签名图像进行多个特征的提取，包括距特征、局部二值模式特征、灰度共生矩阵特征和脉冲耦合神经网络特征；
样本库训练模块，用于对提取的离线签名样本的多个特征进行训练，得到训练后的标准样本库；
待测签名处理模块，用于获取待测签名，并对待测签名进行预处理，得到待测签名的多个特征；
签名识别模块，用于将待测签名的多个特征与标准样本库中离线签名样本的对应特征进行匹配，识别出待测签名是真实签名还是伪造签名。
8.根据权利要求7所述的系统，其特征在于，所述样本库训练模块具体用于选择离线签名样本库中的任意一个离线签名样本作为测试样本，其他作为训练样本，并计算训练样本特征向量的均值，以及训练样本的特征向量之间的距离，得到距离的均值方差；
该样本库训练模块还用于计算该测试样本与训练样本的特征向量的均值的距离，比对训练样本距离的均值方差，计算测试样本与训练样本的相似程度，若相似度大于预设阈值则为真实签名，否则为伪造签名，得到训练后的标准样本库；统计该标准样本库中的错误拒绝率和错误接受率。
9.根据权利要求7所述的系统，所述样本库训练模块具体用于建立对应离线签名样本的不同特征的分类器，并进行训练，得到符合鉴别率的分类器；
所述签名识别模块具体用于将待测签名的多个特征通过对应的分类器进行识别，并根据不同分类器的输出结果判断待测签名是否为真实签名。
10.根据权利要求6所述的系统，其特征在于，所述样本库预处理模块具体用于对样本库中样本进行二值化、剪切边界、大小归一化、倾斜矫正和缩距处理；
二值化具体为：以最佳阈值将图像的灰度直方图分割成两部分，使两部分之间的方差取最大值；
剪切边界具体为：对签名图像进行水平和垂直投影，根据投影直方图对边界进行剪切，得到去除边界的签名图像；
大小归一化具体为：通过填充上下边界使签名位于图片中部，再将图片按比例缩放；
倾斜矫正具体为：将签名图像的像素点作为特征点，利用图中特征点与基线的关系，将特征点用最小二乘法拟合出基线的方向，即为签名的倾斜方向；
缩距具体为：对签名图像作垂直方向的投影，得到投影直方图；统计投影直方图中最低处的个数，及其间的距离，根据最低区域的距离判断其是否为签名图像的空白区域，若是则剪切这段空白区域，得到缩距后的签名图。