手写体数字识别是利用计算机自动辨认手写体阿拉伯数字的一种技术,是光学字符识别技术的一个分支。手写体数字识别在邮政编码、财务报表、银行票据、各种凭证以及调查表格的识别等等方面有着重要应用,由于数字识别经常涉及财会、金融领域,其严格性更是不言而喻的,所以对识别系统的可靠性和识别率要求很高,构成了手写体数字识别面临的主要困难,大批量数据处理对系统速度又有相当高的要求。手写体数字识别又分为联机识别和脱机识别。其中,最为困难的就是脱机手写字符的识别。主要是因为脱机手写体识别过程无法获得字符书写时的一些动态信息,因此脱机手写体数字识别更具挑战性。本论文第一章介绍了手写体数字识别的应用前景、研究现状以及研究方法,介绍了模式识别的五大类方法,通过分析指出手写体数字识别的难点,以及广阔的应用前景;第二章介绍了手写体数字识别的预处理,包括数字图像的平滑滤波、二值化、细化、尺寸的归一化;第三章介绍了本系统中手写体数字统计特征和结构特征的选择和提取;第四章介绍了BP神经网络的原理和算法,指出神经网络用于手写体数字识别的内在机理和独特优势。针对传统手写体数字识别方法的复杂性和局限性,本文采用了一种基于神经网络和特征融合技术的手写体数字识别方法,该方法提取字符图像互补性强的三个不同特征:粗网格特征、交截特征、骨架结构特征,并将三个特征信号构成的特征向量输入三层BP神经网络进行融合分类,使用训练好的BP网络进行识别。第五章用Matlab软件进行仿真,实验结果表明:该方法与传统方法相比,经过特征融合后,仅仅使用较少的特征值,就具有较好的可靠性和较高的识别率,识别率达到96.5%。