脱机手写汉字识别是图像模式识别领域的研究热点之一,也是计算机字符识别中较为困难的一个课题。在分析当前手写汉字识别技术的基础上,本文重点讨论了小字符集汉字识别的方法,继而以提高汉字识别正确率和识别速度为目标,提出了针对小字符集汉字识别的BP神经网络分类器的改进方法。本文主要工作包括:首先对汉字图像的预处理技术进行了分析,包括对样本图像的归一化、平滑去噪、字符切分、二值化、汉字细化处理等。在分析现有特征提取方法的基础上,针对小字符集汉字识别的特点,本文利用弹性网格方向像素概率分布的特征提取方法,提取用于BP神经网络分类器输入的特征向量;在分类器设计中,本文针对小字符集汉字识别环境下BP神经网络算法的缺陷,提出了改进方法,重点研究了改进后BP神经网络的结构设计、神经元数目选取、BP算法参数确定等问题。探讨了BP神经网络在MATLAB环境下的实现,并给出了改进后BP神经网络分类器建立、训练和仿真的实现方法。本文针对教师手写体成绩汉字识别系统中常用的“优、良、中、差”四个汉字进行了仿真实验。实践证明,在小字符集汉字识别环境下,改进后的BP神经网络分类器提高了汉字识别的正确率和识别速度,取得了较好的效果。