当今信息暴增的时代,人们在生活或工作中的纸质文档不仅减少而逐渐递增,为了便于存储或处理人们一般把纸质文档转换为电子文档。随着经济一体化步伐的加快,各个国家的交流也日益频繁了,因此光学字符识别(Optical Character Recognition,OCR)系统也变得越发的重要,并在很多方面得到了应用,文种识别是OCR里的前端技术,对OCR系统准确识别文字有重要的意义,从1990年开始研究至今已经取得了不少成果,直到现在还是热门研究领域之一。尽管文种识别研究得到国内外学者的广泛关注,但是目前在该领域中还是没有一个文种数量较多的标准数据库供研究者们使用,因此在本文中建立了大小,分辨率统一的标准的多文种识别图像数据库。每个文种无论是书写方式还是笔画特征等都有所不同,所以各个文种表现出来的特征也不同,针对这类问题,本文提出了基于局部相位量化(Local Phase Quantization,LPQ)特征的文种识别方法,基于脊波变换的多文种识别和基于尺度不变特征(Scale-invariant feature transform,SIFT)的多文种识别方法。为了进一步提高文种识别的效果,本文提出了SIFT特征和方向梯度直方图(Histogram of Oriented Gradient,HOG)特征融合的文种识别方法。本文中所做的主要工作如下:1.创建了用于多文种识别的文档图像数据库,数据库中包含图像大小为256×256的文种有9个,分别是英文、汉文、阿拉伯文、俄文、吉尔吉斯斯坦文、土耳其文和几个国内少数民族文种(蒙文、藏文、维吾尔文)等,每个文种1000张,数据库总样本数为9000张。2.在收集各类文种资料并将其转换为图像时,因环境和纸张的差异等因素会不可避免的引入各种噪声,因此本文通过对图像进行加权平均灰度化、中值滤波、二值化等操作,完成了对文档图像的预处理。3.分别提出了基于LPQ特征和基于脊波变换的文档图像文种识别方法,把样本图像分为训练集和测试集,分别用文档主题生成模型(Latent dirichlet allocation,LDA),K最近邻(K-Nearest Neighbor,KNN),和贝叶斯分类器对特征进行训练和分类,从而实现了多文种文档图像文种识别。同时选取小波变换,灰度共生矩阵(Gray Level Co-occurrence Matrix,GLCM),局部二值模式(Local Binary Patterns,LBP)等特征进行对比实验,实验结果表明本文所提出的方法跟其它三个经典的方法相比具有更好的识别效果。4.分别提出了基于SIFT特征和基于HOG特征的文档图像文种识别方法采用LDA、Bayes、支持向量机(Support Vector Machine,SVM)三个分类器进行训练和分类,该方法能准确地提取文档图像的纹理特征,提高文种识别效果。5.提出了一种基于HOG和SIFT两个特征融合的文档图像文中识别方法,用这两种方法进行纹理特征提取,生成新的特征向量,在LDA,Bayes,SVM三个分类器上进行训练和分类,从实验结果可知本方法跟本文其他基于单一纹理特征的文种识别方法相比,效果最佳,证明了本方法在文种识别方面的有效性。