文字是人类信息交流的主要载体之一。随着计算机信息技术的高速发展,使用计算机处理并识别文字信息也就成为了一个非常重要的研究和应用领域。光学字符识别OCR(Optical Character Recognition)是在20世纪逐步发展起来的一门自动化技术。脱机手写体字符识别是模式识别的一个重要分支,它涉及人工智能、图像处理、信息论、数字信号处理、模糊数学、计算机等学科,是一门综合性技术。在信息处理、机器翻译、办公自动化、人工智能等高技术领域,都有着重要的实用价值和理论意义。需要录入到计算机中的非纯文本信息是各种各样的,如大规模的原始数据资料、税务单据、会计凭证、金融票据、传统信件以及学生试卷等。如果采用手工输入的方式,就会显得非常麻烦而且工作效率非常低。尽管识别文字及数字的OCR技术已经非常实用,但数学符号的识别仍然不够理想。而数学符号对科学研究人员、数学工作者乃至普通大众都是很重要的。针对这一问题,本文进行了必要的分析,分别将脱机手写数字和脱机希腊字母进行了预处理并自主建立了手写数学符号样本库,然后对其进行了特征提取以及分类识别实验。本文对手写数学符号识别技术进行了研究和探讨,试图寻找属于某种范围的(比如:学生试卷学号、日期以及数学试卷中最常见的希腊字母,MNIST手写数字库)特征提取以达到很高的识别率。提出了一种通过拓扑特征构造来进行特征提取的方法。该方法以图像预处理为基础,最后采用分类树的方法进行识别分类。在特征提取方面,本文提出了一种拓扑结构构造方法,对数学符号构造了拓扑特征。人类字符认知的常识表明,拓扑结构在字符尤其是单个字符的辨识中起着首要的决定性的作用。由于原始图像所含对象本身的拓扑结构所包含的信息是很有限的,不能够反映出对象或其某些部位的弯曲方向、程度、分支关系等特征,而这些特征对于区分对象来说又是非常关键的。为此,本文提出如下的图像对象拓扑构造方法:在原始图像对象的某一侧或某几侧增加几列或几行像素,这些新增加的像素与原来的图像对象构成了新的拓扑结构,然后通过对新拓扑结构的连通区域的计数与位置计算获得识别特征。这些新构成的拓扑结构所含的连通(环状)区域能够体现出对象或其某些部位的弯曲方向、程度、分支关系等特征,从而可以为分类和识别提供有价值的依据。在预处理方面,本文用采集来的本科学生试卷的学号和日期以及学生高等数学试卷中的最常用的希腊字母作为样本,对其采用了传统的预处理过程,包括图像的灰度化、单字符切分、二值化、字符平滑、去除干扰、单字符归一化。最后将预处理后的字符图像仿照MNIST手写数字库建立了一个手写数学符号库,其中留有与MNIST手写库同样的边缘背景。分类识别采用了分类树的方法。实验表明,该方法不仅运算速度较快,而且分类效果好。识别系统对自主采集建立的手写数学符号图形库进行了分类识别实验,手写数字最好识别率为93.5%,误识率为6.0%,拒识率为0.5%,手写希腊字母最好识别率为93.7%,误识率为5.4%,拒识率为0.9%。实验表明,我们所提出的方法有较好的可行性,并得到了较高的辨识率。