的识别，例如汉字的识别。1966年，IBM公司开发的OCR系统利用简单的模板匹配法识别了1000个复杂的印刷体汉字，到了1977年，东芝公司又制出可识别2000多印刷体汉字的单字汉字识别系统。我国在OCR的研究方面起步相对较晚，70年代开始进行数字、英文及符号的识别研究，70年代末开始进行汉字的研究，到1986年，汉字的识别进入了一个具有成果性的阶段，不少单位推出了中文OCR产品。到目前为止，印刷体汉字的识别率达到了98以上，手写体的识别率也在70以上，并且可对多种字体、不同字号混排识别，国家“863”计划对该方面的研究给予了很大的资助。目前，我国正在争取实现OCR产品识别精度更高、识别速度更快，能同时支持单机和网络操作，使得使用更方便，应用更广泛，达到不同用户的使用要求。二、汉字的识别方法对于文字的识别，从文字类型上划分，通常分为印刷体文字的识别和手写体文字的识别；从识别的方式划分，通常分为在线识别和脱机识别。由于印刷体与手写体的文字特征差异较大，所以在软件识别上，其处理方法是不同的。下图描述了文字识别系统的组成
预处理特征抽取特征选取特征匹配
模式输入
输出结果
模型字符特征
图1文字识别系统组成图字识别的特征提取通常有两类特征，一是将汉字图像进行统计计算后得到的数量特征，比如将图像向多个方向投影，以投影后的像素密度作为特征；二是将汉字的笔画分解，根据对汉字结构的认识提取有效的特征点，再编码成数字特征。在提取特征以后，每个字就成了一个由特征向量代表的样本，识别一个字就是要
2
f在所有可能的字中判断当前的样本是哪个字，属多类分类问题。分类器的建立除了要利用样本训练，还需要结合对文字结构的认识（比如旋转和尺度不变性）才能得到更好的识别效果。与语音识别类似，OCR在单字识别后往往还需要根据语言模型进行上下文匹配等后处理，才能达到更理想的效果。而在单字识别前，对扫描稿件的版面分析、字符分隔等是重要的预处理步骤。与离线的手写文稿识别相比，联机的手写文字识别能有效地提取和利用笔画信息，因而可以取得更好的识别效果，目前已经发展为很多手机和掌上计算机的基本配置。这两种提取特征的方法衍生出了许多的算法，并且它们发展至今已经有较好的识字率。三、从人工智能角度看手写体汉字识别从人工智能的角度出发，我们首先不必不应该纠结于每一个字的识别。应该从人识别汉字的思路来加强现有的算法。本文重点就从人识别汉字时候，从整体到r