文字识别过程是集模式识别、图像处理和文字处理相结合的一种技术。藏文印刷体识别是藏文信息处理的重要组成部分,这种技术能成倍节约藏文字录入、编辑和处理等工作成本。对藏文相关新闻出版印刷业、办公自动化、古籍资料的整理和数字图书馆等领域有重要的应用价值。与其它文字相比,藏文具有横向字丁间距紧密和纵向字丁层数不同的音节结构特征,而且音节分类数目众多,这对藏文印刷体识别研究带来了挑战。传统的藏文印刷体识别是以藏文字丁为分割单位,采用规则与统计相结合的识别方法。随着信息技术的进步和发展,神经网络模型在图像识别领域取得了巨大的成功,这类模型可以在大规模数据集上,学习更长分割单位的结构特征,能够有效提高识别系统的性能。因此,本文以藏文乌金字体为研究对象,展开了藏文音节为识别单位的研究工作。主要完成了如下工作:1.本论文为了解决训练图像与标签对齐问题和构建高覆盖度的藏文音节文本语料库,深入分析研究藏文字组合结构,提出了基于混合模式的藏文文本音节切分方法,并研发了藏文自动音节切分系统,通过此方法共搜集了626类藏文字丁和19450类音节文本语料库。2.针对藏文字体非常紧密、文本图像分割难度大的问题,本文提出了以音节为单位的图像文本分割算法和图像空白边缘规范化算法。该分割方法能正确分割存在字丁与字丁的粘连现象,减少文本图像分割错误的几率。在无干扰的四种藏文文本图像上分割准确率达99.31%,并构建了藏文字丁和音节为单位的标注数据集各30500、132500。3.本文提出了基于音节特征向量的藏文乌金印刷体识别模型,基于音节的模型抗干扰和泛化能力更强,识别效果比字丁好。针对基于音节的模型进行了参数优化,测试准确率比原先80.83%提高了16.39%。4.通过整合藏文预处理模块、分割模块和识别模块,研发了藏文乌金印刷体识别系统。本系统可以任意旋转和裁剪用户感兴趣的图像部分,这种半自动矫正功能提高了使用用户的体验感和操作感。系统分割每0.283秒分割一个音节,每0.018秒识别一音节,在四张无干扰的藏文文本图像上平均识别率达96.53%。