手写数字识别是一个经典的模式识别问题,具有重大的理论研究价值和应用前景。目前研究人员对此做了大量的研究工作,提出了很多模式识别的算法,极大的提高了手写数字系统的识别精度。然而手写数字识别技术仍存在很多技术难点,尤其对于脱机手写识别技术。本论文首先阐述了计算机字符识别的必要性,论述了脱机手写数字识别的研究意义和研究难点问题。接着讨论了数字识别预处理的一般过程,主要包括灰度化、图像增强、二值化、倾斜矫正、字符细化、字符分割和归一化等。在对手写数字图像进行预处理时,引入了基于小波变换的图像特征提取算法,该算法比像素级特征提取更能适应手写数字变动性大的特点。在分析了神经网络模型的分类和发展基础上,本文将Hopfield神经网络应用于脱机手写数字识别,建立了脱机手写数字识别系统的Hopfield神经网络模型。重点对Hopfield神经网络的工作方式和连接权的设计方法等进行了讨论分析,并对基于Hopfield神经网络的脱机手写数字识别系统的样本选择和图像预处理需要达到的目的进行了讨论。最后,对基于Hopfield神经网络的脱机手写数字识别系统进行了实现,并与基于BP网络的识别方法进行对比。实验结果表明,基于Hopfiled网络的脱机手写数字识别分类器大大的降低了误识率,得到了较高的识别正确率,可以达到实际应用的要求。