《基于经验模式分解的汉字字体识别方法》一文中提出了一种基于经验模式分解（empirical mode decomposition，简称EMD）的汉字字体识别方法，其具体过程为：通过对大量汉字字体的研究比较，选取了能反映汉字字体基本特征的8种基本笔画．以这8种汉字笔画为模板，在汉字文档图像块中随机地抽取笔画信息，形成笔画特征序列，通过对笔画特征序列作EMD分解，提取每个笔画特征序列的高频能量，并结合汉字文档图像块的平均灰度，形成字体识别的一个9维特征，称作EMD特征． 本文首先实现了上文中的EMD特征，接着在上文中提出的8种汉字特征笔画序列的基础上，提出一种新的字体特征提取方法，即对每种序列分别提取一阶矩（期望）和二阶矩（方差）两个特征，并结合汉字文档图像块的平均灰度，形成字体识别的一个17维特征，称作矩特征．最后分别设计了欧式距离分类器和改进的二次分类器（MQDF）两种分类器，并分别结合上面两类特征进行汉字字体的对比识别．对实际扫描样本的识别结果表明，本文提出的矩特征结合MQDF分类器的方法在上述各组对比实验中平均识别率最高，约为98．9％．