本文所提出的手写体汉字识别系统主要由字库，智能学习系统，识别系统三部分所组成

在本课题中，不仅要解决和完善现在研究中的不足之处，而且关键是研究人手写字体的识别以及在标准字体和个人手写字体之间建立对应关系，同时逐步建立使用者本人的个体字库。我认为，计算机及信息技术发展到今天，要解决以上两个问题已不成问题。事实上，目前的计算机已经实现了对个人手写体的识别、储存和输出功能，所开发的软件需要补充的是计算机即时学习、储存和建立对应关系的部分。我相信，如果我们能够实现上述目标，将会为计算机信息个性化和在计算机时代实现对人类手写文字文化的保留做出贡献。

特征提取是汉字识别的一个重要环节，抽取稳定且有效的特征是识别系统成功的关键。良好的特征应该使一种汉字的不同书写样本之间的差异性尽可能小，而在不同汉字之间的差异性尽可能大。一般认为，汉字笔划及其相对位置关系是手写体汉字中最为稳定的特征，然而，直接从汉字点阵图像上准确地抽取汉字的每一个笔划并找出其相对位置关系则十分困难，因此需要研究哪些特征比较具有分类价值, 同时又比较容易通过程序计算得到. 另外在寻找汉字特征时, 还要考虑噪声影响因素的不敏感性. 下面描述一些汉字识别中的特征。

手写体汉字识别有广阔的应用背景，囊括了模式识别领域中所有典型的问题，如特征的选择、分类器的选择以及样本集的选择，因此对于脱机手写体识别的研究具有深刻的理论息义和实用价值。以下将SVM应用于脱机手写体汉字的识别。对该方法进行了讨论，实验表明，该方法有很好的识别性能。

进行手写的汉字识别时，首先对手写体汉字灰度图像进行预处理。去掉图像中噪声和畸变必须经过图像的预处理。预处理是手写体汉字识别的第一步，预处理后得到的汉字图像的质量，直接影响到识别方法的难易及识别结果的效果。手写体汉字图像的预处理一般包括汉字图像二值化、汉字切分、平滑化(去噪)、归一化等方面。不同的识别方法对预处理工作的要求不同。本文对预处理过程中手写体汉字图像的二值化、大小归一化和手写体汉字笔划宽度归一化三个方面的内容进行了研究。