西夏文字作为一种记录西夏王朝历史的文字,有着极具特色的文化内涵,西夏文字的识别对于整个西夏学研究工作有着重要的意义。到目前为止,西夏文字识别率较低的问题限制着西夏学研究的发展,与广泛使用的文字例如汉字的识别研究相比较,针对古籍文献手写西夏文字符的识别研究存在更多困难,主要包括:西夏文字结构比汉字更复杂,字符笔划更多;西夏文字符类别之间相似度更高;手写西夏文字符的训练样本集受限于样本来源,存在部分字符类别样本数量稀少的问题。基于此,本文结合能够提取更多复杂西夏文字的表层信息的深度卷积神经网络以及关注西夏文字各笔划之间的位置关系CapsNet网络,搭建出A-CapsNet深度识别网络用于对单类样本数量少的西夏文字的识别研究。本文主要的研究内容如下:1.针对西夏文字样本图像大小不一、文字区域占比不均匀、背景噪声信息多的特点,提出了改进的MSER算法的预处理,对西夏文字样本图像进行文字区域提取,滤除多余的背景和噪声信息,并将其进行尺度归一化处理;2.基于经典深度卷积神经网络分类模型和动态路由算法的CapsNet网络对预处理后的西夏文字进行训练识别,经过实验证明该网络结构适用于对西夏文字的识别;3.在CapsNet网络的基础上,构建了 A-CapsNet网络结构完成对西夏文字的识别。在相同数据集的基础上,从动态路由迭代次数、训练轮次、重构效果方面对识别效果进行实验。最终实验结果表明,A-CapsNet网络对西夏文字的识别准确率更高,并且有更好的适用性。