图像识别是模式识别的一个重要分支，经过数十年的发展，现在已经渗透到了军事、空间探索、医学、邮电等各个领域，具有很大的实用价值和重要意义。 不变矩是图象的一种统计特征，具有平移、旋转和比例不变性，利用矩不变量进行形体识别一直是图像识别的研究重点。本文详细介绍了几何矩、Hu矩不变矩的概念、性质及在图像识别中的应用。为了加快识别速度，提出并应用边界矩，也就是在识别物体的边界上提取不变矩。 BP神经网络是各种神经网络模型中具有代表意义的神经网络模型之一，己获得了广泛的应用。如果恰当选择BP网络的结构，它能够以极高的精度和泛化能力描述许多问题。为了提高识别率，文中将模糊技术与神经网络结合，提出模糊神经网络识别系统。 本文就是基于边界矩特征和神经网络的图像识别模型。所设计的识别模型包括边界矩特征提取、边界矩矢量标准化、模糊化预处理、BP网络与竞争选择。利用边界矩提取图像的特征矢量，利用神经网络作为分类器对提取的特征矢量分类，使用模糊化的方法先对输入特征数据做预处理再进行识别。实验证明该方法很有效，训练后的网络具有较高的识别能力。在本文最后，对系统的抗噪声性能进行了研究，实验表明在噪声背景下，系统识别率有所下降。最后，提出了系统需要改进的方向。