手写汉字串识别是金融票据自动处理系统的重要组成部分。本文对银行支票“用途”域的手写汉字串的识别进行了研究,给出了具体有效的解决方案。研究内容包括以下几部分：字串图像的预处理,对彩色图像进行灰度化并在去除印章、底部横线等干扰信息后,通过搜索字串的边界来对字串主体进行精确定位。字串图像的切割,首先进行轮廓跟踪切割出各个连通域,然后对连通域进行上下、左右合并,形成一个个初始切割字块。再对每个字块判断是否存在粘连字符,如存在,则进行进一步的切割。最后,通过对相邻字块进行组合,生成一系列的候选切割方案。单字的归一化和特征提取,改进了一种基于笔画密度均衡化的非线性规一化方法,对单字图像进行归一化处理。在此基础上,采用了一种模糊网格八方向梯度特征作为单个字块的特征。单字的分类识别,针对具体问题,提出了先根据单字在字串中的位置确定初始候选字集,再进行粗分类,最后细分类的多级分类方法。字串识别后处理,首先探讨了基于统计语言模型的后处理方法,然后针对具体问题提出了一种更为有效的整串查找匹配的方法。采用本文的这一整套解决方案,取3000个支票“用途域”字串图像作为训练样本,对1000个样本进行测试,识别准确率为75.6%。