手写体字符识别是图象处理和模式识别领域中的研究课题之一。字符识别系统一般由图像采集、信号预处理、特征提取、分类识别等几个部分组成。识别系统的识别方式可分为联机手写体字符识别、脱机印刷体字符识别和脱机手写体字符识别等,其中脱机手写体字符由于书写者的因素,使其字符图像的随意性很大,例如:笔划的粗细、字体的大小、手写体的倾斜度、字符笔划的局部扭曲变形、字体灰度的差异等都直接影响到字符的最终识别效果,因此手写体字符识别是模式识别领域内最具挑战性的课题。本文旨在研究手写体字符识别过程中某个阶段的处理方法及其有待改进的算法。文中描述了手写体字符识别方法的研究背景和发展状况,并且描述了几种目前比较有代表性的字符细化算法、手写体字符识别算法和模型,讨论了这些算法目前存在的不足,通过对这几种方法的进一步研究,文中提出了比较实用的修复方法:提高手写体数字细化效果的改进算法和基于轮廓笔划的手写体字符识别法。目前,细化算法的基本方法主要有:Hilditch算法、Pavlidis细化算法和Rosenfeld细化算法。对手写的数字来说,当墨水的扩散或字体过小,有时会造成数字图像中出现宽度远大于正常笔道宽度的疙瘩,当细化时该疙瘩会被细化为一条线或一个点,这将严重影响识别效果。为解决此问题,对原Hilditch细化算法进行了改进,实验结果表明它的细化效果比原Hilditch算法有和Rosenfeld算法等有一定的提高。非线性PCA神经网络算法是一种能识别字母,数字的有效手写体字符识别方法,但此算法要经过大量的迭代和训练,本文提出的基于轮廓笔划的字符识别法在字母识别率上虽没有此算法高,但是在数字识别率上比此算法高,实验结果表明此算法有一定的可行性。