脱机手写体数字识别是模式识别的一个重要分支,频繁的出现在邮政系统、银行支票、工业应用等各个领域中。随着手写体数字识别应用范围越来越广,识别的要求也越来越高,因此旋转不变的手写体数字识别有着重要的理论意义和研究价值。旋转不变的手写体数字识别可分为两种情况:无旋转手写体数字识别(通过倾斜校正保证旋转不变)及任意旋转手写体数字识别。本文分别对这两类情况展开了深入的研究和大量的实验,并取得了如下成果,主要包括:1.无旋转手写体数字的方向特征的改进。针对方向特征提取过程中容易带来方向误差这一问题,提出了对方向特征的改进,在方向值提取过程中对方向突变条件进行调整,并引入半方向对线段进行归一化,同时为了消除一维方向值带来的特征偏差,用二维向量表示各个方向。采用改进后的特征对手写体数字进行识别,能同时降低误识率和拒识率,并提高识别可靠性。2.旋转不变的伪Zernike矩特征提取改进算法。针对单位圆映射过程中N值的不固定带来矩值计算偏差的问题,采用固定的N值对单位圆映射进行改进;同时为了解决伪Zernike矩值计算复杂导致系统效率降低的问题,对手写体数字图像伪Zernike矩值计算过程进行简化,在矩特征提取过程中只对有效像素点计算伪Zernike多项式。改进后的算法在一定程度上减少了伪Zernike矩值的计算时间,且得到的特征具有更小的标准差率。3.任意旋转手写体数字的多级分类器设计。针对单个分类器的识别精度不够,统计特征计算量大的问题,提出了一种多级分类器框架。该多级分类框架采用串并行结构,在第一级分类中利用简化的结构特征进行粗分类;第二级分类器对第一级拒识的字符提取统计特征,送入并行的分类器进行细分类。该多级分类器能够充分利用两种特征的优点,提高识别的可靠性,并降低识别复杂性。