手写体汉字识别的研究因其广泛的应用前景,已成为人工智能与模式识别领域中的一个研究热点。但因其自身的复杂性一直被视为汉字识别领域中“最难征服的领域”。心理学和生理学表明人类心理认知是一个具有反馈的过程。传统基于前向信号处理的汉字识别系统不完全符合人类心理认知过程。如何建立模仿人类看图识字的认知机理和过程是值得研究的方法之一。文章仿照人脑识字过程,尝试建立一种多层多段过程间密切联系的、存在反馈机制的多模式模态有机整体结构的识别模型,力图进一步提高系统性能,改善手写体汉字识别过程中正确率和拒识率这一对矛盾指数。本文主要工作如下:1.反馈结构的智能手写体汉字识别系统。模仿人类心理认知所具有的反馈过程,构建了一种具有决策层、识别层和反馈层三层并行耦合式结构的手写体汉字识别系统,并给出了三层并行耦合式结构的运行机制,建立了对不同识别误差结果具有反馈校正机制的手写体汉字识别系统。2.多模式模态定性定量识别。手写体汉字识别系统提取反映待识别手写体汉字本身的定性与定量相结合的各种全局特征信息构成该对象的多模式模态特征模型。依据待识别汉字的特征模型进行识别,建立了优选首轮识别方案的决策机制,并根据选定的识别方法,对手写体汉字进行识别,以获得识别结果。3.广义识字误差的表征和获取。依据对识字结果信息与待识别对象之间的误差分析,自定义了三种广义识字误差,并给出了这三种广义识字误差的定性与定量相结合的识字误差获取方法,通过对这三种广义识字误差的类型和数值进行定性与定量相结合的分析,建立了识别结果的可信度评价指标体系和反馈校正决策机制。4.选取SCUT-IRAC手写体汉字库中的六类共400个手写体汉字样本,对文章研究的基于反馈结构的手写体汉字识别系统进行了验证实验。实验结果表明了该方法是可行有效的,改善了传统识别方法中手写体汉字识别的正确率和拒识率这一对矛盾指数。