手写数字识别是文字识别中的一个重要的研究课题，数字的类别只有十种，笔划又简单，其识别问题似乎不是很困难。但事实上，一些测试结果表明，数字的正确识别率并不如印刷体汉字识别正确率高，甚至也不如联机手写体汉字识别率高，而只仅仅优于脱机手写体汉字识别。手写数字识别的难度在于其变体极多，而且对数字识别单字识别正确率的要求要比文字要苛刻得多。目前对各类字体的数字识别特别是脱机手写数字识别仍然处在发展阶段，识别效果仍然不够理想。因此，研究简单高效的手写数字识别依然是一个重要的研究方向。本文主要对手写体数字识别的关键问题——特征提取和特征选择进行了探讨和实验。本文的工作主要有以下几个方面：1．在研究了多种手写数字特征的基础上，本文提取了轮廓特征、笔划密度特征、粗网格特征、重心及重心矩特征、首个黑点位置特征、投影特征及傅立叶变换特征等七种手写数字的结构和统计特征。2．从多种特征选择方法中，采用了类内类间比、K-W检验及熵函数这三种特征选择方法对特征进行了选择。3．通过大量实验，对手写体数字的特征降维问题进行了分析研究。4．建立了一个基于BP神经网络的手写体数字识别系统，将原始特征和选择后的特征经过该BP神经网络检验，取得了较好的系统性能，从而证明上面提出的方法是可行的。