手写汉字识别是一个典型的大类别分类问题,其难点在于汉字本身结构复杂且相似,手写条件下变形严重,对切分和判别都造成一定的困难。近几年,手写汉字识别技术的发展进入了一个低谷期。研究人员不断提出新方法或改进旧方法,尝试从不同的角度解决汉字识别的问题,但系统性能并没有明显的改善。在阅读相关文献的过程中,我们发现方法是否可行性能如何受很多条件的制约和影响。事实上,仅以平均误识率衡量方法的有效性是不合理的。本文的研究工作即以理论方法的度量和评价为线索展开,主要涉及到脱机手写汉字识别课题的三个方面,即方法的度量模型和评价标准以及技术应用。根据矩阵论中的定理,本文推导出基于相似度/相异度的最优化度量模型,在此基础上论述了三种降维技术LDA、LPP和MFA的分类性能。总体来说,非线性降维方法通过样本的相对位置关系描述数据,线性降维方法通过样本的绝对空间分布描述数据,前者的分类效果要远远好于后者。针对HCL2000手写汉字识别的人机对比实验,本文提出了衡量以字为单位的识别方法的有效性的评价标准。实验结果表明,人在工整书写的单个汉字上的平均误识率为1.78%,而MFA在相同测试条件下的最小误识率不超过2.32%。受美国卡内基梅隆大学开发的一款开源产品reCAPTCHA的启发,本文设计了HCL2000手写汉字验证码识别系统。通过对比人与OCR软件的测试结果,证明了手写汉字验证码的有效性和安全性。实验结果表明,OCR软件几乎无法辨识系统生成的验证码,尤其是经干扰处理的手写汉字图像。