اکثر کارهای اخیر در زمینه ی تصدیق امضا بدون توجه به شکل امضا، روی اطلاعات سطح خاکستری تصویر بافت متمرکز شده است. در این پایان نامه علاوه بر ویژگی های بافت، از اطلاعات هندسی امضا نیز استفاده شده که درنهایت به نتایج مطلوب تری در این زمینه منجر شده است. هدف کلی از انجام این پایان نامه، ارائه ی روشی قدرتمند برای تصدیق امضای دستنویس می باشد. به همین منظور از ویژگی های مبتنی بر بافت تصویر بهره استفاده شده است. روش جدید ارائه شده به نام الگوی مشتقی – ژئودزیک، حاصل ترکیب ویژگی های مبتنی بر سطح خاکستری و اطلاعات هندسی در مرحله ی تصمیم گیری است. در این روش، از دو ویژگی الگوی مشتق محلی (lderivp) و فاصله ی ژئودزیک استفاده شده است. تاکنون از ویژگی فاصله ی ژئودزیک در زمینه ی تصدیق امضای برون خط استفاده نشده است. همچنین در مرحله ی آموزش سیستم، از مدل نزدیکترین همسایگی knn استفاده شده است. بکارگیری تنها یک نمونه ی امضای اصلی برای آموزش مدل ساده ی نزدیکترین همسایگی نشان دهنده ی قدرتمند بودن ویژگی های استفاده شده است و مقایسه ی نتایج بدست آمده از شبیه سازی این الگوریتم روی تصاویر پایگاه داده با نتایج دیگر روشها، بیانگر موفقیت روش ارائه شده می باشد. این روش بر روی پایگاه داده ی gpds960graysignature آزمایش شده است. نرخ خطای مساوی با کلاسبند knn بر روی 300 کاربر پایگاه داده ی gpds960graysignature برابر 13/9% بدست آمده است.