手写体数字识别是字符识别的一个分支,具有很强的现实意义。目前在信函通信中广泛使用邮政编码,本文是以中国邮政集团公司出口孟加拉国邮政的信函自动分拣机项目为背景,对孟加拉文手写体数字的识别进行了研究。数字识别虽然只有十个种类,但本系统对识别的精度要求比较高,而且手写数字的变动性非常大,要做到高精度的识别有较大的难度。本文为达到高可靠性的孟加拉邮政编码数字的识别性能,研究了一种基于DEF(DirectionalElement Feature)的孟加拉文脱机手写体数字识别方法,所实现的识别系统主要由图像预处理、特征提取、BP神经网络分类器三个模块组成。对孟加拉手写体字符的预处理工作包括图像平滑、去噪、二值化、大小归一化以及字符细化等;特征提取主要是根据孟加拉手写体数字的特殊结构,提取它的DEF特征并灵活辅以特征点特征,使提取的特征既能充分代表每类样本信息又能很好地将不同类别加以区分,而且所提取的混合特征维数较低,提高了分类器的效率;最后将反复训练获得最佳参数值的BP神经网络作为分类器,有效地完成了孟加拉数字的识别。实验结果表明,该方法对孟加拉手写体数字有识别可靠性高、抗噪性强的特点,满足了系统的需求。