随着光学乐谱识别技术在五线谱识别上的日趋成熟,简谱识别的研究也逐渐引起了学者的关注,简谱是我国广泛使用的音乐记谱法之一,目前对乐谱中歌词信息提取的研究较少。本论文结合计算机图像处理、乐谱识别技术与简谱记谱法知识,对中文简谱的歌词提取与识别进行了研究,这对减少人工输入中文歌词的工作量、实现计算机自动演唱、歌词搜索以及简谱的推广与传播具有重要意义。本论文分析中文简谱的结构特点,在简谱图像预处理、图像分割、歌词提取、歌词识别等各个阶段进行详细设计,并进行实验与分析,其主要内容与工作包括：(1)在图像分割阶段,分析简谱的结构特点,利用投影法与简谱高层领域知识相结合的方法,把歌词区域同音符、标题等区域进行分离获得歌词图像；并对随机采集的100张简谱图像进行实验与分析,歌词区域分割平均正确率达到了99.11%,实验表明,本论文提出的中文简谱图像分割算法具有较好的性能；(2)在歌词提取阶段,采用基于种子的顺时针螺旋式向外延伸的包围盒算法,根据简谱记谱法的高层领域知识,设计竖直线段结构体对歌词图像每个歌词行单独进行数学形态学膨胀运算,解决了上下结构歌词包围盒及内嵌包围盒的合并问题；在包围算法的基础上,提出了滑动窗口算法,合并左右结构歌词包围盒,解决了左右结构歌词错误分离与标点符号去除的问题,这对简谱中水平间距大小不一的歌词具有良好的提取效果；同时,对随机采集的100张简谱图像进行了实验与分析,歌词提取平均正确率为94.86%,实验证明,本论文提出的基于滑动窗口、数学形态学运算与包围盒相结合的歌词提取算法是有效的歌词提取方法；(3)在歌词识别阶段,针对歌词规模大、字形结构复杂的特点,本论文设计了基于RBF神经网络与BP神经网络相结合的两级分类器方法,首先利用歌词粗网格特征与RBF网络进行粗分类,将较大规模字符集分解为多类的小规模字符集,然后利用歌词半穿越特征与BP网络进行细分类识别出歌词；最后,对随机采集的100张简谱图像进行了歌词识别实验与分析,歌词识别平均正确率为68.50%,实验表明,基于RBF网络与BP网络的两级分类器方法是可行的,具有一定的应用价值。本论文在中文简谱图像预处理、图像分割、歌词提取、歌词识别等各个阶段进行了算法设计与实验分析,是光学乐谱识别技术在中文简谱领域的新应用与有益探索。