随着信息传播和信息交换需求的迅猛增长,以纸张为介质的文档信息自动转化为数字形式信息的技术成为当前研究的一大热点。文档的中文字符识别是模式识别和数字图像处理领域研究的重要内容之一。本文在对国内外研究现状进行深入分析的基础上,研究并设计了一个印刷体文档图像的中文字符识别系统。本文首先对经过预处理的文档图像进行了版面分析,为了有效的避免传统算法中存在的经验阈值的调整,本文采用了基于模糊连接度和行列置信度的版面分析算法,以连通域搜索算法为基础,两次合并文本行、列,准确的提取了文本区域。其次,重点研究了对文本区域进行的字符切分。针对传统算法误切分率高的问题,提出了一种改进的垂直投影算法。为了进一步提高字符切分的正确率,引入贝叶斯分类器对字符类型进行判定,然后在已有算法的基础上提出了一种基于识别反馈的中文部件合并算法和一种改进的滴水算法,后者解决了传统算法选择起始位置不准确和字符笔画损伤的问题。最后对切分出的中文字符进行识别,本文采用了二级识别的方法。以笔画全穿过数目作为汉字特征进行粗分,并在此基础上提出了笔画半穿过的汉字特征提取,然后将全穿过和半穿过结合起来作为汉字的特征值。解决了单独使用全穿过粗分汉字时能力不太强的问题,减少了二级识别的工作量。对粗分仍不能区分的汉字,采用四角的能量值密度特征对汉字进行细分。本文系统以MATLAB环境为软件平台,通过仿真验证算法的可行性,最终得到中文识别结果,识别正确率达90.8%。