记载西夏文的古籍大多作为珍贵文物收藏在博物馆中,并且古籍大多经历了历史长河的冲刷变得非常脆弱,为了让西夏研究者更好的进行西夏古籍文献研究以及对西夏文古籍的数字化保存,我们应进一步加强文物信息的数字化采集以对其进行合理保护和利用。目前已有很多基于深度学习的端到端的文字识别系统,但在西夏文字的识别研究中,缺少有效的学习方法,导致对于西夏文字识别的准确率不高。因此本文围绕Tesseract-OCR识别引擎进行西夏文字端到端识别的研究与实现,但是由于该引擎没有相应的西夏文字字符库,直接上传图像进行识别所得到的识别结果准确率不高。故本文进行了图像预处理以及重新设计选择文字信息检测网络模型对图像进行文本定位和分割,再对该引擎的文字识别模型API的参数进行优化,从而达到提高识别准确率的目的。论文主要工作包括:（1）采集西夏文字数据样本,构建并标注适用检测与识别的数据集。针对目前已有的记载西夏文字古籍样本数据集不太适合端到端文字识别的情况,本文在其收集的西夏文单字样本的基础上又采集了记载西夏文字的文本数据并进行文本行数据集标注,针对本文所提出的西夏文字识别方法对其进行了预处理改进,建立了更适合本文所用的样本数据库。（2）使用改进的图像增强算法对图像进行预处理。针对记载西夏文字文献保存环境复杂导致常常得到的目标图像并不是非常理想的问题,本文进行了基于分数阶微分方程方法的图像增强,为进一步提高文字识别准确率奠定较好基础。（3）改进文本检测网络及使用基于迁移学习的文字分割。针对基于Tesseract-OCR进行西夏文字识别时对倾斜目标定位的不准确、古籍复杂背景带来的识别准确率不高的问题,本文提出了基于YOLOv3文本检测模型改进和基于增加CA注意力机制的AdvancedEAST算法的文本定位以及基于TexRNet的文本分割方法对图像做进一步处理,取得了良好的可视化效果并且在一定程度上提升了文字识别的准确率,有利于本文后续的西夏文字识别研究与实现。（4）优化引擎并通过训练实现西夏文字识别。针对目前对西夏文字端到端识别准确率不高的问题,提出了基于Tesseract-OCR的西夏文字识别的实现,利用了该引擎在文字识别方面非常成熟的训练模型以及较好的识别效果。在前文对图像处理的基础上进一步针对Tesseract源码中API参数进行了优化。（5）设计了一套西夏文字识别系统。针对西夏文研究学者的实际需求,设计并实现了基于Tesseract-OCR的西夏文字识别系统。通过需求分析、功能模块设计、原型实现、功能测试,证明了该系统可以较为便捷的实现西夏文字的数字化识别,以期实现对西夏文字的数字化转换。