手寫數字識別技術是近年來研究的熱點，具有廣泛的應用前景，同時也是一個非常具有挑戰性的課題。人工神經網絡是當今智能控制領域最活躍的分支之一，它所具有的并行計算能力、容錯能力、泛化能力，以及以任意精度逼近未知非線性對象的特點，使其為手寫數字的識別提供了一種新的方法。本論文采用一編制了一套基于神經網絡的手寫數字識別系統，該系統由圖像采集、圖像預處理和數字識別三個模塊組成，其中，圖像采集模塊采用的方法來實現圖像預處理模塊包括色圖轉化成灰度圖、二值化、梯度銳化、傾斜度調整、字符分割、歸一化以及緊縮重排數字識別模塊采用三層神經網絡來實現。論文重點探討了神經網絡的算法、構造以及各種結構參數的選取和優化。實驗結果表明本論文所設計的手寫數字識別系統具有較好的識別率，同時也說明神經網絡技術用于手寫數字識別的可行性。

　　模式識別是六十年代初迅速發展起來的一門學科。由于它研究的是如何用機器來實現人（及某些動物）對事物的學習、識別和判斷能力，因而受到了很多科技領域研究人員的注意，成為人工智能研究的一個重要方面。字符識別是模式識別的一個傳統研究領域。從50年代開始，許多的研究者就在這一研究領域開展了廣泛的探索，并為模式識別的發展產生了積極的影響。字符識別-般可以分為兩類：1、聯機手寫字符識別; 2、光學字符（Optical Character Recogni tion簡稱0CR）或稱離線字符識別。字符識別處理的信息可分為兩大類：一類是文字信息，處理的主要是用各國家、各民族的文字（如：漢字，英文等）書寫或印刷的文本信息，目前在印刷體和聯機手寫方面技術己趨向成熟，并推出了很多應用系統：另一類是數據信息，主要是由阿拉伯數字及少量特殊符號組成的各種編號和統計數據，如：郵政編碼、統計報表、財務報表、銀行票據等等，處理這類信息的核心技術是手寫數字識別技術。手寫數字識別技術，涉及到模式識別和圖像處理，人工智能形式語言和自動機，統計決策理論，模糊數學，組合數學，信息論，計算機等學科;也涉及到語言文字學、心理學、生物學等，是一門綜合性的技術5”。手寫數字識別（Handwritten Digital Recognition） 是光學字符識別技術的一個分支，所研究的對象是：如何利用電子計算機自動辨認人手寫在紙張上的阿拉伯數字。