对低质量文本图像的OCR 技术进行了深入的研究，目标就是从理论，算法和应用三个层次上研究低质量文本图像的高性能识别问题。研究工作主要包括以下几个方面:

首先分析论述了低质量文木灰度图像条件下，文字识别与人的认知、经典人工智能问题、以及二值图像识别技术之间的关系，对低质量文本图像 OCR 技术的研究方向提出了有别于传统的观点和看法

在上述理论框架的指导下，结合低质量文本自身的特点和规律，设计了一个低质量文本图像的识别流程，并在各主要步骤给出了实用高效的算法，主要有:

基于连通区域的层次结构切分算法:不同于传统的先行列切分，再字切分的算法过程本方法采用了由小到大、自底向上的切分策略。通过连通区域特征的变化规律找出适用于切分的最佳网值，再根据先验知识和启发式规则，对连通区域做适当的合并分割操作，最后得到最优的切分结果。实验表明，该方法对于低质量文本图像能够取得令人满意的切分效果。

基于地形特征的种子区域增长算法:基于确定点和关键点概念，利用像系地形特征自动的选择种于点，通过一种改进的种子区域增长方法，从和子区域开始，依据一定的优先级规则，逐渐向其近邻点扩展，对单宇灰度图像二值化，有效地获取了字符的结构信息本方法与已有的二值化方法相比较，能够更好的保留有效的宁符结构信息，提高了识别的正确率

基于不对称性的分类部分空间法:发现了相似字之间误识的不对称性，并对这种不对称现象的成因进行了细致的探讨和分析。基于这种不对称性，提出了一种分类部分空间方法来解决相似字的识别问题。相似字按其结构特点被分成若干基本类别,不同类别在相应的部分空间提取不同的特征进行比较以达到正确识别相似字的目的。

经百万字左右的文本测试表明，本文提出的方法对于不同质量文本的识别性能有不同程度的提高，尤其是对于质量比较低的文本(五十年代的文本数据)，其识别正确率达

90”。左右，比已有方法提高了约九个百分点，误识率降低了约四个百分点，效果明显