字体设计技术的成熟与互联网的发展促进了字体的创新和传播。相应的字体识别技术在版面恢复、文档理解和字体版权保护等领域也越来越受到重视。传统的字体识别只关注少数几种常用字体的识别,大量新字体的广泛使用带来了在较大规模的字体集上进行字体识别的需求。目前主流的汉字字体识别技术依据的是文本图像的纹理特征,只有个别方法利用汉字笔画的结构特征。　　本文提出了一种基于笔端相似性的汉字字体识别方法来解决在较大规模的字体集上对单个汉字进行字体识别的问题。为了实现这一方法,本文解决了笔端结构的自动提取、笔端结构的相似性度量以及字体信息的紧致表示等难点问题。其中,笔端提取算法充分利用了形状的骨架信息来提取汉字字符中与字体信息紧密相关的笔画端部结构:将骨架的端点作为笔端的起点、将骨架分支作为包含笔端的主要结构、骨架点的半径用来确定截断位置以及使用中轴变换的逆变换来恢复笔端形状;笔端的相似性度量方法结合基于轮廓的描述子与基于骨架的描述子共同描述笔端形状,并用向量空间中的距离度量来定义笔端之间的相似度;在这个相似性度量的基础上,字体信息表示为特征笔端的集合,待识别汉字的笔端类别由距离最近的特征笔端所属类别决定,而最终待识别汉字的字体由提取出的笔端投票决定。实验证明,本文的笔端提取算法提取的笔端与人类视觉感知到的笔端结构相近,并且具有区分不同字体的能力,基于这种笔端的字体识别方法不但在常用字体集合上的识别效果优于现有的同类方法,而且在扩展后的大字体集合上仍然能够达到较高的识别率。