汉字识别系统是将图像数据中的文字信息提取出来的一种系统。根据图像数据的种类,汉字识别系统有着各种各样广泛的应用。比如银行单据识别,电子图书馆,邮政编码自动分类,手写输入法等。自从计算机问世以来,对于汉字识别算法的研究就一直是学术研究的热点。总体说来,分为基于统计信息的方法和基于文法规则的方法。在统计的方法中,人们利用图像特征对图像进行分类。经过很多人几十年的研究,Gabor特征在众多可选的特征中脱颖而出,成为材质识别,人脸识别,文字识别等方面最重要的一种特征。作为小波分析的一种方法,Gabor特征比较符合人类视觉的形成原理,具有良好的生物学背景,因而非常适合解决材质识别之类的问题。在分类器的使用上,20世纪90年代出现的支持向量机(SVM)一经推出就备受关注,一直是分类研究最活跃的领域。因为SVM对小样本数据的学习与分类具有很好的效果,对于训练样例不足够多的情况,SVM是很好的选择。本文将这两个工具结合起来,研究各种识别技术下,汉字识别的准确率与识别率情况。在汉字识别系统的基本框架下,本文首先利用二值化聚类法提取出图像中的文本区域,然后将Gabor特征与SVM用于汉字识别技术,实验了各种情况下的汉字识别效率与准确度。通过自动生成的大量训练样例对该系统的训练,系统的识别率和准确率有了较大的提高,实验证明,该方法取得了很好的效果。