Este artículo presenta una propuesta para la extracción de características utilizando una simplificación del método Wavelets para el reconocimiento off-line de caracteres escritos a mano, obteniendo un vector de 21 características. Se aplicara esta propuesta a un conjunto de datos de 3250 símbolos que incluyen los dígitos del \(0\) al \(9\), los caracteres \(A-Z\) y \(a-z\), dando un total de 62 clases. Durante la experimentación se seleccionan el 20% de cada una de las clases para pruebas, el 80% restante para entrenamiento, se realizara una comparación entre los métodos de extracción de características utilizando descriptores  FKI,  Wavelets y  simplificación del método Wavelets, con el uso del clasificador 1-NN para medir el porcentaje de clasificación del conjunto de vectores de características de cada uno de los métodos.

Keywords: Daubechies Wavelets, extracción de características, reconocimiento off-line, clasificador 1-NN, descriptores FKI.