在国际邮件批译系统中,邮件地址识别的正确与否是信函翻译是否正确的先决条件,降低邮件地址识别的拒识率和误识率,能够有效的提高国际邮件批译系统的批译率和批译准确率。随着科学技术的逐渐发展,光学字符识别(OCR)技术受到越来越多人的重视和关注。它综合了数字图像处理、计算机图形学和人工智能等多方面的知识,促进了函件自动分拣系统的发展,为提高邮政业务劳动生产率提供了保证。本课题以国际邮件批译系统为背景,对国际邮件中的地址字符识别展开研究。结合国际邮件的信封特征,开发了一套高效的图像预处理算法。利用Otsu算法获得最佳阈值,以实现图像的二值化分割；利用最小二乘法实现图像的倾斜调整；基于寻找字符外轮廓的思想完成了字符分割以及归一化调整；针对印刷体英文字母和阿拉伯数字的特点,选取字符的网格特征和投影特征作为识别的特征,通过特征向量组合的方式以提高系统的识别效率。针对国际邮件的地址字符特征,详细讨论了BP神经网络输入层、输出层和隐藏层神经元数目的确定以及神经网络的参数设计问题。最后,重点分析了BP神经网络的训练和识别过程,包括训练样本的选取以及训练的停止条件等。基于Visual C++ 6.0和OpenCV库开发了系统的软件测试平台。通过大量的英文邮件进行识别测试。最后得出系统的总体识别率在98%以上,拒识率为0,达到了系统预期的目标。