人类利用字符来进行信息交流,随着信息化社会的不断发展。社会对于手写体字符的识别、运用的需求十分宽广。将纸质资料转化为电子信息对于高效、便捷的信息社会起着至关重要的作用。而对于脱机手写体字符来说,汉字手写体字符风格随意,不受拘束且笔画结构复杂。因此,汉字手写字符对于识别模式来说是一项具有挑战性的课题。字符识别的难点在于如何提取到最具区分度的特征,传统的统计特征提取基于统计学能够取得较好效果,但其前提是必须训练集足够大,训练次数足够多才会得到想要的效果。而手写字符,不变的还是笔画结构,虽然风格迥异,但笔画结构是唯一的。因此笔画结构特征对于字符识别是更有效、精度更高的。本文要解决的是特征提取结果不稳定的问题,因此在笔画结构特征的基础上进行改进。将初始字符图像化后的曲线结果进行曲直化转变,利用DDA算法进行转变来解决曲线图像多拐点对于特征提取的影响。然后利用最小偏差法,计算输入字符和样本集合在空间坐标系中的误差值,利用角度和直线的偏差值进行字符匹配,偏差值最小匹配度最高。最后引入遗传算法,将角度、线段的特征集合进行迭代,在代代交叉进化的过程中最终得出最优特征,提高识别精度。为保证实验效果,本文选取的是HCL2000中文手写体字符库,并将字符库作为输入项进行平均分组进行实验,将得到的特征集合放入位置矩阵,并与数据库中的3755个样本逐一进行比较。最终发现基于遗传算法改进的笔画结构特征提取算法能够提升识别精度,更好的完成识别任务,效果相比较为优秀。