Abstract
第一章為簡介，而第二章討論有關於文字辨識上的技術，主要可分為影像前處理及特徵抽取兩大項。就影像的前處上，有平滑化、細線化、字形輪廓化及尺寸正規化等程序，主要的目的在有助於取得較穩定的特徵、減少字形變化及書寫風格改變時的影響等。就特徵抽取而言，本章只限於可用在離線手寫中文字辨識上的特徵，諸如筆劃交點數、四週背景長度、四個方向的投影量、端點及多分岐點的個數等。第三章討論模式基礎的比對，雖然手寫中文字有很大的書寫變異性，但同一個字其相對位置上，仍存在某些相似性。利用重疊訓練字庫中的相同字集作為樣板（template），並以此樣板作為細分類比對。另外，利用分裂－合併（split-and- merge）的方式，依其空間分佈將樣板分成數欉（cluster），籍此用作大分類。第四章採用貝氏（Bayes）定理及高斯（Gaussian） 分佈假設，利用最大相似性函數作細分類比對。首先利用幾個簡單的特徵，以多重拒絕（Multiple Rejection）的大分類方式，將候選字的個數減少，然後用非均勻重疊式切塊方法，抽取到方向性骨架分佈（Directional SkeletonDistribution） 特徵，作統計式的細分類比對，其平均的正確辨識率在九成以上，且平均每一字所用的時間少於一秒鐘。在本論文的最後為結論，文中所完成的混合式手寫中文文字辨識系統，基本上已可達到初步的要求，但在實用上，仍須大量的改進，除了在既有的架構上改良外，混淆字集及上下字意的處理是我們進一步的努力方向。