印刷体字符识别技术发展的越来越成熟,在现代社会中的应用越来越广,但是低质量印刷体字符的识别依然是印刷体字符识别技术发展的瓶颈。本文分析了低质量印刷体字符识别过程中常遇见的问题,根据这些常出现的问题结合本文实验对象的特点和规律,设计了一个低质量印刷体字符识别流程,并通过车牌字符区域图像、人民币冠字号码区域图像作为实验对象来验证本文介绍的识别过程的有效性。二值化阈值选取算法中,本文使用了在Otsu算法获得的全局阈值的基础上,通过选取该阈值邻域内的值作为候选阈值,结合连续字符连通域分析评价准则得出的评价分数,从候选阈值出选出最优阈值。该方法主要用在字符分割中,从实验效果图和分割实验结果显示了该方法的可行性。使用单一的字符分割策略对于低质量印刷体字符的分割能力有限,在字符分割阶段,本文采用了基于字符轮廓连通域分析与投影切分相结合的两级字符分割作为字符切割的方法。通过连续若干个印刷体字符连通域分析评价准则得出的评价分数,将两种分割方法串联起来,当一级字符分割评价分数低于某个阈值时,进入二级字符分割。实验表明,单使用一级字符分割方法没有两级字符分割方法分割正确率高。低质量印刷体字符图像中存在的干扰因素,使得相似字符的识别正确率往往要比其他字符的识别正确率低。为了减少相似字符之间的混淆错误,在字符识别阶段,本文使用基于敏感区域训练的二级字符识别来区分容易出现混淆错误的相似字符对,并利用遗传算法来获取字符识别阶段所需的一级可信度阈值参数和二级可信度阈值参数。实验表明,该方法能够有效的减少相似字符对之间的混淆错误。2021张车牌字符图像经过本文介绍的方法识别正确率达到了82.1%,比使用单一策略识别方法提高了3.3%；5113张人民币冠字号码图像识别正确率达到了93.7%,比使用单一策略识别方法提高了1.5%。