字符识别技术在印刷文本识别等领域已经取得了很大的成功，并得到了广泛的应用。构造高鲁棒性的识别系统一直是字符识别研究追求的目标，在过去的研究工作中，主要是针对二值文本图像中的字体、字号变化或者图像噪声等进行研究；而随着研究的进步，低质量灰度图像中的字符识别以及脱机手写字符识别已经成为了字符识别问题中最具挑战性的前沿领域，相应的，鲁棒性的涵义也必须从较高质量的文本识别领域拓宽到这些领域中，以更好的适应图像干扰和字符形变。本文从高性能特征抽取和分类器设计等方面对相关问题进行了研究，主要的创新研究工作为： (一)对于低质量灰度图像中的字符识别，本文提出了直接在灰度图像中抽取识别特征的思路，从而避免了图像二值化过程中可能产生的信息损失；在人类视觉原理及信号处理理论的指导下，提出了应用二维Gabor滤波器组直接在低质量灰度字符图像中抽取识别特征的方法。 (二)本文总结了低质量图像的特点，并对汉字字符笔画的特点进行了统计分析；在此基础上，通过考察Gabor滤波器对不同宽度和方向的线条信号的选择特性，采用平均的熵相关系数准则提出了Gabor滤波器组的优化设计方法。(三)本文还提出了对Gabor滤波器组的输出进行自适应处理的方法，使之适应图像亮度变化，抑制噪声和干扰；同时还提出了一种新的特征构造方法－特征矢量中包括了分别利用Gabor滤波器实部输出的正、负值形成的特征分量，实验表明它在识别性能上优于现有的方法。 (四)本文进一步将基于Gabor滤波器组抽取特征的思想应用于HMM模型中，并通过实验证明了本文提出的观测序列抽取方法的优越性；结合脱机手写汉字识别问题的特点，本文对HMM模型的拓扑结构选择，以及克服经典HMM模型中齐次性假设和观测独立性假设的方法进行了研究探讨。对脱机手写汉字样本集的识别实验证明了基于Gabor特征的HMM模型应用于大字符集的脱机手写字符识别的价值。 本文得到的Gabor特征对于图像的亮度变化、噪声、复杂的背景干扰以及字符倾斜、形变等具有优秀的适应能力，降低了对图像增强等预处理过程的要求，具有很大的通用性，在实际应用，如自然景物图像中的文字识别系统，汽车牌照识别系统，身份证识别系统等项目表现出了优异的性能。