光学字符识别是模式识别领域的重要分支。近年来,汉字、英文等主流文字识别技术飞速发展,与这些主流文字相比,维吾尔识别技术起步较晚,相关的研究成果较少。维吾尔文识别技术的研究对推动我国少数民族地区的发展、传承和弘扬少数民族的优秀文化、维护民族团结具有重大意义。因此,维吾尔文识别技术的研究是十分必要的。维吾尔文识别技术的研究包括手写体和印刷体两方面,其中印刷体维吾尔文识别技术的研究有基于字符和基于整词的两种方法。本文以印刷体维吾尔文单词为研究对象,分别对印刷体维吾尔文单词识别的预处理、特征提取和分类识别等关键技术进行了研究。具体工作内容如下:1.详细介绍了印刷体维吾尔文识别技术的研究背景、研究意义和研究现状,并分别对以维吾尔文字符、连体段、单词为对象的印刷体维吾尔识别进行了可行性分析。本文以单词为研究对象,通过查阅《维吾尔语常用5000词》和《中国语言生活状况报告》两书,自建了46套印刷体维吾尔文单词样本,每套样本包含4207个类别的单词,并建立了相对应的4207个可编码形式的维吾尔文txt文件和可编码形式的汉字翻译txt文件。2.研究了印刷体维吾尔文单词识别的预处理和特征提取过程。本文通过二值化、去噪处理、倾斜校正、行切分、单词切分、首字符切分、归一化、轮廓化等技术,最大程度的保留了印刷体维吾尔单词的原始信息,保证了后续特征提取的有效性。在特征提取方面,本文提取了方向线素特征和HOG特征。3.研究了印刷体维吾尔文单词识别的分类识别算法。由于单词数量庞大,单个分类器难以满足系统的实时性,本文对级联分类器进行了研究。利用“翻字典”原理,本文设计了基于首字符识别的第一级分类器和基于单词识别的第二级分类器的两级级联分类器。首先,对单词的首字符图像提取HOG特征,送到SVM分类器中,识别首字符图像,将单词的识别范围缩小为以该单词首字符为首字符的所有单词组成的子样本集中;然后,提取单词的方向线素特征,送到欧氏距离分类器或者BP神经网络分类器中,得到识别结果。通过实验证明,本文提出的两级级联分类器有效的提高了系统的识别速度。4.本文将基于深度学习的文字识别技术应用到印刷体维吾尔单词识别中。对经典的LeNet-5模型改进,通过一个6层的卷积神经网络对印刷体维吾尔文单词进行识别。实验表明,基于卷积神经网络的维吾尔文单词识别能够达到很高的识别率。