汉字是中华民族文明的象征,有着上千年的历史。汉字识别在办公自动化、机器翻译、新闻出版等很多方面都有广泛的应用。脱机手写体汉字识别是汉字识别中最难的一类问题,其识别的流程要经过预处理、特征提取、分类、后处理等几个主要步骤。预处理主要是对经扫描而成的脱机手写体汉字的图像进行二值化、去噪、字符切分、细化、规范化等处理工作。特征提取需要提取出能有效代表字符图像的特征。分类是脱机手写体汉字识别中的关键,常用的分类器有基于距离的分类器、神经网络分类器和支持向量机分类器。后处理的主要任务是利用上下文进行纠错,以进一步提高系统的识别率。本文详细介绍了脱机手写体汉字识别的预处理方法,讨论了传统的二值化、平滑、字符分割和归一化细化算法,重点研究了基于多重隐马尔可夫模型(MHMM)的手写体字符识别分类器,对其模型的结构和分类识别的方法和过程进行了分析;在此基础之上,本文通过提取基于字符四方向投影边界链码特征作为多重隐马尔可夫模型的观测值输入,并使用人工神经网络(ANN)来对模型进行训练,结合神经网络良好的抗干扰性和隐马尔可夫模型(HMM)建模性能好的优点来提高系统的整体识别性能,给出了一种基于ANN-MHMM的手写体字符识别方法。通过对银行票据的金额字符进行识别实验,结果表明用本文所提出的方法进行脱机手写体字符识别是可行的,其识别准确率达到96.3%,优于现有的一些方法。