随着社会的不断发展进步,在人们的日常生产生活中,经常需要处理大量的文字、文本、报表等等。使用人工键盘输入已经不能够充分满足人们的信息需求,如何使用计算机快速、准确地识别文字已日趋重要。脱机手写体汉字识别技术作为字符识别技术(OCR)的一个分支,已经成为了模式识别领域新的研究热点。人工神经网络具有容错好、自适应强、能够模仿人脑智能等优点,可以处理环境复杂、背景不清、推理规则不明确的问题。因此将神经网络理论应用于手写体汉字识别有较大的理论意义和实践价值。本文主要对神经网络的基本原理、基础方法以及有关算法等进行了研究,在此基础上针对BP神经网络算法存在的学习算法收敛慢和局部极小值的问题采用了附加动量项法和改进误差函数来改进BP算法。同时针对BP神经网络建模能力弱的缺点设计并实现了一个基于BP神经网络和HMM混合模型的脱机手写体汉字识别系统。BPNN-HMM混合模型不仅能够充分利用BPNN优秀的分类识别能力,又可以通过HMM强大的时域建模能力来弥补BPNN建模能力弱的不足。因此该模型具有强大的建模能力、分类能力和自适应能力。本文首先对预处理部分的各个操作和相应的常用方法以及算法进行了简要介绍,其中详细介绍了本文采用的中值滤波去噪、阈值二值化算法。在特征处理部分,介绍了结构特征提取和统计特征提取两种特征提取方法以及本文实现的基于投影边界链的特征提取方法。在此基础上,提出并实现了一种基于BP算法和HMM混合模型的识别方法来提高识别性能。最后在MATLAB(R2009b)环境下,进行了识别仿真实验,对零～玖这十个大写汉字进行识别。实验结果表明,用本文所提出的方法进行脱机手写体字符识别是可行的,其识别准确率达到89.0%,优于现有的一些方法。