脱机手写体汉字识别是模式识别领域的一个研究热点，应用前景非常广泛。但由于汉字类别多且字形结构复杂，加上不同的人书写风格的不同使得手写体汉字的变形很大，所以脱机手写体体汉字识别一直是目前文字识别领域的难题之一。　　 因为汉字具有图像的特征，所以图像处理的一些方法在汉字处理中也可以引用。本文通过对图像和汉字的可类比性进行分析研究，对目前广泛采用的一些脱机手写体汉字识别算法和前人的研究工作进行了认真的学习和总结。在此基础上，把目前用于图像识别的Group Lasso算法应用于脱机手写体汉字识别上，做了大量的实验研究，提出了一种基于稀疏表示的脱机手写体汉字识别方法，取得了良好的效果。具体做了如下几个方面的工作：　　 首先，对汉字图像的预处理的各个过程进行了分析，指出了预处理各个环节对提高后续识别过程的影响及重要性。分析了现有两类特征提取方法：统计特征提取法和结构特征提取法各自的适用领域，研究了基于距离、模糊识别、人工神经网络和支持向量机等几种经典的分类器算法。总结这些算法各自的优点和缺点，为寻找新的识别算法打下基础。　　 其次，针对现有的几种脱机手写体汉字识别经典算法识别率还不是很高这个现实，基于压缩传感理论，根据稀疏表示具有很好的判别性这一特点，提出了利用对手写体汉字进行稀疏表示的方法进行识别的方案，并给出了具体的算法-Group Lasso算法。　　 最后，针对稀疏表示Group Lasso算法，以SCUT-IRAC手写体汉字数据库中的汉字作为样本，在MATLAB R2009B软件环境下，分别采用本文的方法与其它一些经典算法进行仿真实验。实验结果表明：本方法成功地提高了手写体汉字的识别率和抗干扰能力，具有较高的推广价值。