中国古汉字记录了大量的政治、经济、历史等资料，具有很高的史料价值。古汉字具有笔划不规则、异体字繁多等特点，以碑刻和帛书等形式出现的古汉字，残损较为严重，上述特点使得古汉字识别非常困难。利用图像处理技术识别古汉字，解决古籍电子化进程中的流通和典藏困难，对民族文化的继承和发展具有重要的意义。　　由于古汉字的异体字与局部形变大量存在，现有的图像识别方法难以获得准确结果。支持向量机具有小样本下的强泛化与抗噪能力，在图像识别中已被广泛应用。本文将混合核最小方差支持向量机(LS-SVM)结合图像特征抽取、曲波变换等实现古汉字的图像识别，主要工作和结论如下:　　1.针对古汉字间的高度相似性导致误分类率高的问题，对传统的支持向量机进行改进，采用混合核加权LS-SVM进行分类识别。混合核加权LS-SVM可以减少异常样本的负面影响，避免出现分类越好或者越坏点的惩罚也越大的情况，提高分类的准确率。　　2.研究了时域多特征融合的特征提取方法。提取部件结构特征与整体广义密度特征作为全局特征，该全局特征具有鲁棒性强和算法复杂度低等特点;提取网格笔划特征与伪二维弹性网格内的局部点密度特征作为局部特征，所提的局部特征对于局部形变有很好的吸收能力。将提取的全局特征和局部特征融合后作为分类器的特征输入。　　3.针对古汉字笔划多为不规则曲线导致分类率不高的问题，利用二代曲波变换提取古汉字的频域特征，研究了频域多特征融合的特征提取方法。采用快速离散二代曲波变换对古汉字图像进行多分辨率分解，对不同分辨率下的古汉字图像求取灰度共生矩阵，得到各层子图像的纹理特征参数，然后将所有子图的特征参数进行多特征融合，形成高维的特征向量，并对此特征向量抽取主成分，作为分类器的特征输入。仿真实验结果验证了该方法的有效性。