脱机手写体汉字识别研究对汉字信息处理自动化,对开拓新一代计算机的智能输入有重要意义。脱机手写体汉字的识别不仅具有重要的理论研究价值,而且具有广阔的市场前景。本文在分析手写体汉字识别研究的历史与现状的基础上,将第二代bandelet变换引入文字识别领域,提出了基于bandelet的特征提取方式。主要工作如下:1)脱线签名的验证仅仅依靠签名图像的静态信息,而书写过程中的动态信息几乎完全消失,因此是一个较难解决的问题。本文针对脱线手写签名识别的特点,提出基于bandelet变换的特征选取方法。该方法将传统的结构特征与统计特征有机结合起来,运用K-L变换对已提取的特征向量进行降维,最后通过支持向量机进行真伪识别。实验结果表明该算法对测试样本具有高识别率。2)bandelet变换不仅继承了小波变换的主要特征(多尺度、时频局部),而且具有高度的方向性和各向异性。bandelet变换是一种基于图像边缘的变换方法,它能自适应地跟踪图像的几何正则方向,是一种对图像“真正”的稀疏表达。针对相似字丰富的方向性特征,提出了基于bandelet变换的相似字识别。该算法能有效获取图像中的笔划密度方向特征,真实反映文字的结构特性,通过支持向量机进行分类识别,从而有利于手写相似字的识别。实验结果表明bandelet变换和支持向量机相结合的模式识别方法具有很好的识别率。