联想记忆(Associative Memory,AM)是人脑的重要功能，是逻辑思维和形象思维、推理和创新的源泉。与传统的联想记忆模型相比，形态学联想记忆(MorphologicalAssociative Memories, MAM)在记忆的性能上有很大的改进。它不仅能够处理二值模式，而且能够处理实值模式。此外，MAM还具有无限的存储能力，并且回忆在一步内完成，而且具有良好的抵抗噪声的能力，在图像处理、模式识别等领域中有广阔的应用前景和强大的生命力。当然，也存在一些问题，对于形态学异联想记忆，即使输入模式无噪声，也不能够保证完美回忆记忆。然而，异联想记忆是更为普遍的联想记忆，应用也很广泛，致力于提高异联想记忆的性能具有重要的意义和价值，本文深入研究形态学联想记忆的框架，提出了新的联想记忆方法，进而提高了异联想记忆的性能。首先，在分析形态学联想记忆范式和算子的基础上，指出MAM的记忆和回忆两个通过运用逆向思维，得到了MAM逆向算子过程中存在互逆运算的特点，和∨、∨和，进而提出了形态学联想记忆逆向方法。逆向方法与原方法在抵抗噪声的能力上具有互补性，把他们结合起来应用，可以使异联想记忆和模式识别达到更好的效果。其次，在分析框架的基础上，提出了新的联想记忆方法——对数指数形态学联想记忆。该方法进行异联想时虽然不能够提供完全回忆记忆保证，但在某些情况下，能够做到完全回忆记忆或者具有较好的联想记忆效果。因而可以和其它基本的形态学联想记忆方法结合起来,共同提高异联想记忆的性能。最后，针对形态学异联想记忆，提出了分组划分的方法，该方法将原有输入模式对进行分组，逐一对分组后的模式对集合进行形态学操作计算，由局部到整体，进而实现形态学异联想记忆的完全回忆记忆。可以将分组划分作为一种新的思路和方法，广泛应用在模式识别，图像处理等领域。