摘 要：中国汉字博大精深，拥有着数千年的文化背景与历史积淀，是世界上使用人数最多的文字。汉字与其他文字不同，它具有自己的拼音化系统和独立文字结构，所以在目前以计算机信息技术化为主体的社会里，对印刷体汉字信息的处理也就成了信息化发展的关键。印刷体汉字识别后处理技术OCR的出现就解决了现如今海量文字信息所带来的处理难题，它提高了印刷体文字的处理效率，也推动了信息社会的不断发展。

关键词：汉字识别；OCR；后处理；语言模型；信息社会

中图分类号：TP391.43

由于中文汉字系统比较复杂，涉及到几百种汉字输入编码方法和语言模型。所以中国人在处理汉字输入和识别方面面临多种难题，比如音码或字码重码率过高、输入效率低、学习识别困难、形码不好掌握等等。而对于一些没有标准键盘的通信设备来说，由于汉字信息录入速度慢，更是影响了正常的工作效率。所以为了能够弥补这些不足，汉字识别技术应运而生。

1 印刷体汉字的识别原理

汉字识别也是模式识别领域中所研究的科学。汉字识别技术包罗万象，它涵盖了模式识别、图像处理、人工智能、模糊数学、组合数学和心理学等等学科，是一门综合性很强的信息处理技术。汉字识别技术简单说就是为文字的识别、分类和读取而存在的，传统的汉字识别技术靠对汉字文字的特征识别和匹配来得以实现，但是由于汉字结构复杂且组合较多，所以会存在一定的辨识困难。……