一直以来,手写文字识别是模式识别领域内的一个重要的分支,许多研究人员付出了长期的巨大的努力。经过四十多年的研究与发展,手写识别技术已经被广泛应用于各种设备中以方便人机交互。手写识别可以分为脱机识别和联机识别。无约束联机手写汉字识别技术可以让用户以非常随意的风格、速度甚至角度进行手写输入,使得书写者书写得更流畅更快捷。然而,汉字类别庞大,结构复杂,书写风格更是千变万化,无约束联机手写汉字的识别仍然是一个难题。在模式识别中,特征提取关键步骤,最终识别结果很大程度依赖于此,研究手写识别技术必然要深入研究相关的特征提取技术。现有的研究成果已经包含不少分别针对脱机和联机手写文字的识别方法,如何利用脱机识别和联机识别的互补性,构建性能更好的识别系统,以提高联机手写汉字的识别率,是一个非常值得研究的课题。本文针对上述问题,作了以下工作:1.介绍和总结了手写汉字识别中当前主流的特征提取方法,包括Gabor特征,梯度特征、8方向特征和方向变化特征,以及常用分类器,包括距离分类器和MQDF分类器。通过大类别的汉字识别实验对比了各种特征的性能,从中选取了最适用于联机手写汉字识别的特征;2.虚拟笔画技术是解决联机草书识别问题的一项关键技术,但它同时也存在混淆部分汉字笔划的严重弊端。本文通过理论和实验,深入分析了虚拟笔画技术在大类别汉字识别时的利与弊,提出了四种用于改进虚拟笔画技术的算法。实验结果表明,采用本文提出的方法改善了虚拟笔画技术,识别率得到了更进一步的提升;3.从特征级和分类器级的角度出发,对脱机识别方法和联机识别方法进行了融合,提出三种融合脱机识别和联机识别的方法。实验结果表明,联机和脱机识别技术有着较好的互补性,两者的融合大幅度提高了联机草书汉字的识别率。