目的——随着教育越来越受到家庭、社会和国家的重视,相对于普通学生拥有海量的学习资源,强大的教育师资,我国的特殊教育,特别是视障者教育却依旧面临着教育资源匮乏、师资力量不足的困境。虽然目前已有翻译算法实现了汉语、英语、乐谱和数理化公式到盲文的翻译,在一定程度上扩充了盲文资源,但师资力量匮乏的问题却依旧迟迟无法解决。因此,设计一个盲文识别算法,帮助普通人高效地识别盲文,对提高视障者教育水平和拓宽就业范围具有重要意义。方法——传统盲文识别方法不仅需要获取高质量的盲文图像,而且在图像识别过程中需要人为干预,无法实现盲文的自动翻译。针对以上问题,本文在图像预处理阶段提出了一种根据盲点光学特征进行盲点识别的算法。同时为了解决传统盲文图像识别中单个盲方逐一识别存在的局限性,设计了一种整行盲文直接翻译算法。具体内容如下:（1）基于盲文图像特点的图像预处理研究通过对盲文图像中盲点区域光影特征分析研究,设计了一种从盲文图像中准确识别盲点的算法。利用哈尔特征扫描图像,对符合盲点灰度特征的区域进行标记,之后通过图像相似性算法对该区域进行辨别,获得正面盲文图像和反面盲文图像,最后根据盲方三行两列的特征,将每一幅盲文图像进行分割,获取单独的一行盲文图像,输入图像识别网络进行识别。（2）基于CRNN的盲文图像识别研究设计的卷积神经网络与循环神经网络相结合的盲文图像识别模型。主要针对传统盲文图像识别中人工识别特征点、识别率低的缺陷,利用Keras框架在实验中构建了多种不同的卷积神经网络与循环神经网络。使用卷积神经网络有效提取图像特征,并将其输出特征矩阵输入循环神经网络获取图像序列特征直接对整行盲文进行识别,取得了很好的效果。研究结果——本文对盲点识别、盲文行分割以及盲文行识别结果进行了测试实验,经过114张盲文图像的训练和验证,该识别模型总体识别准确率达90.2%左右,可以满足视障群体日常书面交流以及盲校老师、盲文古籍管理人员和监护人日常使用需要。研究的局限性——本文设计的盲文识别模型需要较高质量的盲文图像,且需要根据图像质量粗略获取盲文图像盲点的大小。实际影响——本文对于信息无障碍领域基础研究的发展有着良好地促进作用,研发的盲文图像识别系统可以有效地将盲文图像的盲文点字转化为盲文ASCII码,可以通过汉语、英语、音乐和数理化公式等语言类型和盲点ASCII码的对应关系,进而转化相应的明文,使其具有扩展性、移植性和适应性。满足相关工作人员的翻译需求。独创性——在盲文图像预处理过程中,本文使用了哈尔特征扫描和相似度检测相结合的方式进行盲点定位,可以有效识别双面盲文中的盲点。其次,针对单行盲文识别无法进行盲方分割的问题,采用了卷积神经网络和循环神经网络相结合的方式,直接对整行盲文图像进行识别。