随着全球信息化的到来,电子设备逐渐智能化,使用电子产品进行社交娱乐等活动已经成为大众生活中不可或缺的一部分。目前,中英文的文字识别技术已趋于成熟,但藏语由于受众较小,研究人员也较少,以藏文为基础的信息化处理技术则相对滞后。随着针对藏族文字手写输入和文本识别功能的设备越来越多,藏文的手写输入迫切需要更高效的识别技术。因此,手写藏文识别技术的研究不仅具有社会价值,还有更为广阔的市场价值。本文在深入分析手写体藏文字丁的识别难点和文字技术发展的基础上,重点研究了藏文文字的结构特点和神经网络在少数民族文字上的应用。由于藏文字丁具有书写独立、符合国家编码标准等优点,本文选择以手写藏文字丁为基本识别单位,主要工作如下:(1)本文在实验室自建手写体藏文字丁数据库的基础上,通过手写体字丁采集软件对数据进行采集,最终采集到20套,每套663个,共13260个手写藏文字丁样本。(2)本文研究了基于特征提取的手写体藏文字丁识别技术,主要包括图像预处理、特征提取、分类识别三大模块。并提出了一种将文字特征进行二次融合的特征提取算法。实验表明,经过二次融合后的特征向量在分类识别任务中表现良好,前十识别率为96.11%。(3)本文首次将CRNN网络模型应用到手写体藏文字丁的识别任务中,并通过仿真结果验证了该方法在手写体藏文字丁识别中的有效性和可行性。另外,本文针对手写藏文字丁的文字结构特点,提出了一种基于CRNN和自注意力机制的手写藏文识别方法。实验结果表明,在有限的训练样本集中,本文提出的改进模型对于手写体藏文字丁识别准确率稳定在92%。(4)针对相似元音导致的手写藏文字丁的错误识别问题,本文提出了一种基于元音分类的识别算法。通过将联机信息与网络模型进行有机结合,可以有效提升元音识别准确率。本文提出的网络模型较小,具备可移植性,能更好的应用到实际场景中。