首先,该文研究了模板匹配的建模方法.在Gabor特征提取的基础上,该文使用线性区分分析对原始向量进行特征选择.在新的特征空间内,LBG聚类算法和基于最小误识率的训练方法被用于获得每个汉字种类的模板.该文通过详尽的实验验证了这些技术的有效性.特别的,该文对基于最小误识率的模板训练方法进行了细致的讨论,比较了该方法在不同参数条件下的学习行为,并与传统的学习矢量量化方法作了比较.其次,该文研究了隐马尔可夫模型的建模方法.为了避免矢量量化及其带来的量化误差对识别性能的影响,该文采用连续密度隐马尔可夫模型.在特征选择方面,该文使用帧间差分特征和线性区分分析来增强特征的表达能力,在建模方面,该文通过使用水平和垂直两个方向的连续密度隐马尔可夫模型集成的方法来解决传统一维隐马尔可夫模型对二维的汉字图象的建模问题.该文最后研究了汉字识别中的子空间建模方法,并将该方法与该文中的模板匹配方法和隐马尔可夫模型方法在识别率,内存需求和计算复杂度等方面作了比较.