在使用漢字系統的國家中，輸入問題一直是電腦化的一大障礙，以國內為例，鍵盤輸
入法恐不下一百餘種，至今仍不斷有新法推出，但整體而言，此等方法終嫌不夠直捷
，有很多人想到以光學中文文字識別 (Optical Chinese Character Recognition ，
OCCR) 作為終極解決方法，以其與傳統手寫中文直接相關連故也。
OCCR發展至今，已有相當成果；在辨識成功率上，吾人發現誤判的情形總是集中在少
數幾個字上，即混淆字集(Confusion Set) ，於是我們以為若能將辨識分為兩階段，
當在前階段辨識發現有字屬於混淆字集時，即進入第二階段，對此等字作更進一步之
辨識，如此，雖然犧牲了稍許辨識速率，但可提高辨識成功率。
近年來，隱藏式馬可夫模型(Hidden Markov Model, HMM)被大量應用於語音識別上，
且獲得相當良好的成果。漢字字形其歪斜變形的情形與語音訊號相類似，如非線性偏
移、一字多模版…等，在本質上都是統計性的，故應可將HMM 應用於OCCR上，在此領
域尚有很多地方值得研究，本文探討將離散式(Discrete)HMM 應用於混淆字集的辨識
上，提出適合HMM 的特徵抽取法則，包括點字形矩陣、筆畫方向矩陣等，並找出影響
辨識的各項因素，以供未來更進一步之研究。
參考文獻：
B. S. Jeng, "A Study on Optical Chinese Character Recognition", Journal of
Telecommunication Laboratories, Vol.20, pp. 1-26, No.1, March 1990.