手写体识别有着广阔的应用前景和很高的理论价值，从应用角度来看各种文档的高速自动录入，档案管理，早期图书资料的数字化，邮件的自动分拣，证件的自动阅读，票据的自动处理等方面都有广泛的应用。从理论方面来讲传统的模式识别理论和技术在手写体汉字识别中有很大的局限性，研究手写体汉字识别可以认识高难度模式识别的一般规律，还有助于发展新的模式识别理论，而且它涉及到模式识别、图像处理、数字信号处理、自然语言理解、人工智能、模糊数学、信息论、计算机科学、中文信息处理等许多学科，因此手写体汉字识别在相关学科研究和多学科的融合中都有很高的理论价值。汉字识别从1966年IBM公司的Casey和Nagy首次发表了汉字识别的文章到现在已有40年的历史，经过无数科研工作者的努力现在联机识别和印刷体识别已经可以达到实用水平，只有脱机手写体识别至今还不能达到令人满意的效果，被称为文字识别中“最难征服的领域”，尤其是基于结构特征的手写体汉字识别更是具有挑战性。其中手写体的连笔问题和变形问题是手写体识别中的两大难点。本文从结构特征出发对限制性手写体的识别进行研究，同时也对于连笔也提出了解决的方案。本文提出了新的笔段提取算法；对没有连笔的手写体提出了基于笔段的结构判断和部首分割算法；对有连笔的手写体提出基于笔段的部首的动态组合算法；重新定义了方向线素特征；将结构特征和统计特征有机的结合起来提出新的特征。对每个输入的汉字预处理后进行细化，首先用传统的方向线素的特征判断每个像素点所属的笔段类型，这样就提取出各种笔段的一些小线段，再经过延伸、连接、删除，笔段类型的判断再延伸等操作，提取出横、竖、撇、捺四种笔段。利用笔段来定义方向线索特征，从整体上考虑方向特征，削除传统的方向线素特征中的不确定信息，提取出一个196维的特征向量。在细化的基础上利用像素值从0到1的数目来提取交点的数目，当然在提取的时候要去掉三叉点的干扰。将各种笔段的数目和交点的数目作为特征向量的前五个分量并且赋予较大的权值，把新的方向线素的特征向量作为第6到第201个分量，使结构特征和统计特征有机的结合起来，组成新的方向线素的特征向量。对没有连笔的汉字进行反转用和提取笔段类似的算法在规定的区域内提取最长的横和竖，对于结构类型进行判断，