光学字符识别(OCR)系统可以将来自文档图像的文本信息转换为电子文档。但是,在使用OCR系统进行图文转换之前,必须要确定要处理的文档的文字种类。这一步骤通常都是由人工来完成。但面对大量的文档图像数据,人工识别会大大降低系统的自动化和效率。因此,如何提取不同类型的文档图像的特征,实现文种的自动识别是文档图像分析领域的重要研究课题。本文对中亚多文种文档图像的文种识别进行了研究。根据不同文种文字的笔划特征、空间分布和结构特征不同,进而在文档图像中表现出不同的纹理特征这一特点,提出了基于NSCT的文种识别方法。并且针对相似性文种难以分类和识别的问题,提出了基于融合纹理特征的文种识别方法。本文所做的主要工作如下:1.介绍了文种识别技术的研究历史和发展现状,并对该领域已有成果进行了总结,分析了对于中亚文档图像文种识别技术需要突破的难点和问题。2.建立了两个标准的多文种文档图像库,包括阿拉伯文、俄文、藏文、中文、维吾尔文、英文、蒙古文、吉尔吉斯斯坦文、哈萨克斯坦文、土耳其文。3.提出了一种基于NSCT的文种识别方法。对预处理后的文档图像进行3级NSCT变换,提取由此产生的高频和低频子图的纹理特征,并用不同分类器进行训练和分类。实验结果表明该方法相比于传统的文种识别方法,如基于GLCM、LBP、小波变换等方法具有更好的识别效果。4.提出了一种基于NSCT的融合纹理特征的文种识别方法。分别提取NSCT变换产生的每个子图的GLCM特征和LBP特征,再对得到的高维特征利用PCA进行降维处理得到低维特征。用不同分类器进行训实验,实验结果表明该方法相比于传统的基于单一纹理特征的文种识别方法具有更好的识别效果。5.提出了一种基于NSCT+Tamura的融合纹理特征的文种识别方法。分别提取NSCT变换产生的每个子图的Tamura特征,并用SVM分类器进行训练和分类。实验结果表明该方法相比基于NSCT的文种识别方法具有更好的识别效果。