古籍手写文字大多为楷书和草书两种文字,楷书字体笔画分散,但同一页面中字体大小相差不大;草书字体笔画较为集中,但字体大小不一,所以针对两种粘连文字的分割方法也不尽相同。如何提高楷书和草书汉字分割的正确率是当前古籍文字分割领域的重点和难点问题。现有的手写体文字图像的分割方法仍存在许多不够完善的地方,如无法准确找到正确的分割点,会导致汉字图像出现笔画冗余或缺少的现象;不同种类的粘连文字分割时对算法的要求不一致。针对这些问题,论文在详细阐述国内外关于字符分割现状的基础上,对楷书文字和草书文字分别使用改进后的滴水算法和改进后的自组织映射(Self-organizing Maps,SOM)算法进行分割并分析。主要研究内容和创新点有:(1)针对古籍中手写汉字纵向书写、笔画分散、上下字多粘连,且粘连点易重叠的特点,提出一种基于滴水算法的古文献手写汉字分割算法。首先采用投影黑色像素的方法,对古籍中的汉字进行列分割;然后利用改进的滴水算法对每列汉字进行分割;通过确定每列字串中的极小值点从而估算得到分割字体的长度阈值。由于每个字体的长度统计值在一定区间,设置条件,通过对长度阈值进行筛选,从而确定字串中每个汉字的起始滴水点,并进行循环分割;最后根据滴落规则进行古文献手写汉字的分割。实验结果表明,该方法适用于四库全书书前提要中的粘连字体的分割,具有一定的普适性,能够分割得到理想的单个古文献字体。(2)针对草书字体大小不一,难以确定分割阈值,有学者提出了基于自组织神经网络算法进行粘连字符分割的方法。但是以往基于SOM聚类的分割字符算法对汉字的连通程度要求高,且算法时间复杂度较高,针对这些问题,本文提出了基于改进后的SOM聚类在草书字体中分割的算法。首先对图像进行去噪、二值化等预处理过程;其次确定粘连字体区域的宽度值;然后在粘连区域内对白色像素点进行改进后的SOM聚类分析,称之为假邻神经元算法;最后对区域内的黑色像素左右两边的聚类点两两间查询最短路径,从而确定分割路径。实验结果表明,结合“查询最短路径”和假邻神经元算法,提出一种综合实现方案,用于粘连草书汉字的分割。对笔画较粗、粘连较严重的样本,效果较好,成功率得到明显提高。和现有算法相比,本文算法在神经元聚类时定位更加准确,分割正确率更高。