近些年模式识别技术由于在生产生活中被广泛应用,因此作为一项极具挑战性的课题被研究学者重视并研究,其中脱机手写体汉字正是模式识别技术的难点之一。本文主要通过查阅文献和反复实验,在掌握国内对脱机手写体汉字识别算法研究成果的基础上,为提高汉字识别仪的识别率,针对脱机手写体汉字识别算法进行了研究。本文的主要研究内容有以下几个方面:(1)通过分析了不同数据库的特点,综合考虑样本的多样性和代表性。决定采用北京邮电大学HCL2000手写汉字数据库进行特征提取,该数据库采用了以书写者为单位按文件形式组织和存放的方式,为脱机手写体汉字识别研究提供了数据基础。(2)为了解决汉字图像粘连等不规范问题,需要对汉字图像进行预处理。利用灰度化、大小归一化、细化等处理方法对手写汉字图像进行处理,以解决比划粘连与书写不规范问题,为进一步对手写体汉字进行特征提取提供了基础。(3)对图像进行特征提取。讨论了基于传统的统计决策法和结构分析法的汉字特征提取方法,比较各自的优缺点,确定采取结合多种特征的特征融合方法,选用使用频率高,使用效果好的多种特征方法:如提取手写汉字图像上,下,左,右的极值点,以及横,竖,撇,捺等特征值。(4)对手写汉字图像进行分类。传统的统计分类法比较耗时。BP神经网络是一种按误差逆传播算法训练的多层前馈网络,是目前应用广泛的神经网络模型之一。因此利用BP神经网络对样本进行训练,确保更加准确快速的实现汉字的识别工作。