脱机手写体汉字识别是当前模式识别领域的一个研究热点,具有广泛的应用前景。由于汉字字符集字量大、相似字多,加上手写体的变形,使得脱机手写体汉字识别成为目前文字识别领域最困难的问题之一。支持向量机(Support Vector Machines,SVM)是根据统计学习理论提出的一种新的机器学习方法,已经在模式识别、回归分析等方面取得了较好的效果。因此,基于支持向量机的脱机手写体汉字识别研究具有一定的理论意义和应用价值。本文以脱机手写体汉字为研究对象,采用二叉树SVM粗分类与“一对多”SVM细分类相结合的方法进行汉字识别,主要做了以下几方面的研究工作:(1)手写体汉字图像的预处理与特征提取。分析研究了手写体汉字图像的灰度化、二值化、平滑、归一化等预处理方法及目前常用的几种特征提取方法。(2)构造了基于支持向量机的手写体汉字粗分类二叉树。针对手写体汉字识别中复杂多分类问题,在分析二叉树和SVM理论的基础上,依据汉字字型结构可分解的特点,给出了一种基于SVM的二叉树算法,实现了基于字型结构的粗分类。(3)脱机手写体汉字识别的研究。提取了手写体汉字的笔划密度、方向和小波网格特征,并将这些特征融合成一个新的特征向量作为SVM的输入,利用“一对多”算法实现了同类汉字的识别。(4)选取了SCUT-IRAC库中的手写体汉字作为仿真样本,以MATLAB7.0为仿真工具进行了仿真分析。结果表明:本文采用的二叉树SVM粗分类与“一对多”SVM细分类相结合的分类识别方法,充分发挥了二叉树分类速度快和SVM分类正确率高的优点,在解决脱机手写体汉字分类识别问题上,有较好的效果。