手写体汉字识别在残疾人无障碍阅读、文献自动翻译、文献自动录入、金融单据的处理、快递包裹和信件的分拣等领域有着广阔的应用前景,帮助使用者自动录入文字,节省劳动力成本。它涉及机器学习、模式识别、数字图像处理、人工智能、自然语言处理、统计学、信息论等多门学科。由于每个人的书写习惯不同、汉字笔画粘连等因素,脱机手写体汉字识别是中文OCR领域最具挑战性的问题。因此,本文提出基于深度学习的脱机手写体汉字识别方法。针对无遮挡的手写体汉字图像,本文采取基于深度卷积神经网络的分类算法,直接使用预处理后的图像数据作为分类器的输入。针对深度卷积神经网络容易过拟合的特点,本文提出滑动窗口和弹性形变的方式等扩充训练数据集,提升模型的鲁棒性和泛化能力。本文使用多个不同结构的卷积神经网络对手写体汉字图像进行分类,然后将其融合,进一步提升模型效果。针对古籍扫描和手写稿件扫描中出现的文字破损、文字被污迹遮挡等情况,提出基于深度递归网络和深度信念网络的有遮挡的手写体汉字的识别方法。首先使用两个深度递归神经网络从有遮挡的汉字图像和无遮挡的汉字图像中提取高层抽象特征,然后训练深度信念网络将有遮挡手写体汉字的特征空间转换到无遮挡手写体汉字的特征空间,接着用深度玻尔兹曼机进行分类,最后添加深度卷积网络隐含层提取的特征改善识别准确率。实验结果表明,本文提出的无遮挡手写体汉字图像识别算法和有遮挡手写体汉字识别算法均具有较好的识别效果。