手写数字识别技术是一个非常典型的模式识别的问题，具有很大的应用价值和理论研究价值。其中，信函的自动分拣是其典型应用之一。　　 首先阐述了计算机识别手写数字的必要性，手写数字识别的研究意义和研究的难点。然后研究手写数字识别中图像预处理的过程，主要包括灰度化、平滑滤波、二值化、校正和分割、细化和提取特征等。在对手写数字图像进行前期的平滑滤波时，引入了根据噪声信息进行选择式掩模平滑的方法，该方法能较好地保持图像的细节信息，并且达到了平滑图像的要求。　　 其次分析了离散Hopfield神经网络的能量函数和神经元的概念，介绍了离散Hopfield神经网络的结构、给出了稳定性证明。在设计权值的过程中，先对样本正交化处理，再使用Hebb规则设计网络的权值，这样能更有效的提高网络记忆样本的能力。　　 最后基于以上理论，设计并实现了基于离散Hopfield神经网络识别手写数字系统，经过测试，手写数字识别得到了较高的识别率。测试时，根据记忆样本中正反例样本不同的比例构成了两组神经网络分类器，当测试样本的正反例样本的比例与记忆样本的正反例样本比例最接近时，达到了更好的识别效果。　　 实验中，图像噪声是理想化的，认为是加性的高斯噪声或者椒盐噪声等。而实际当中，噪声的情况比较复杂，要达到比较理想的去噪效果往往需要对特定的噪声图像分析，同时利用多种去噪方法。