地图的自动扫描矢量化代替既费时又费力的传统手工数字化，是当今地理信息系统(GIS)领域亟待解决的一个重要难题。然而，实现扫描自动数字化的技术关键是先要实现地图要素的自动识别，其中扫描地图数字注记的识别是实现这一目标的关键技术之一。 在本篇论文中，提取了地图数字注记中的正交傅立叶-梅林矩(OFMMS)作为不变特征，与Hu的七种不变矩相比，OFMMs的取值灵活，准确性强；与其它不变矩相比，OFMMs没有信息冗余，对噪声的抑制和信号的重建更加有效。数字注记的特征确定为OFMMs后，需要将这些特征向量输入到高阶神经网络(HONN)中进行数字注记的特征识别。HONN的网络结构没有隐含层，可以降低计算量。该识别方法能适应符号大小及旋转的变化，识别算法相对较快。 在经过选取了大约20幅地图图像进行测试后，识别结果准确率接近90％左右。实验结果证明本文所采用的基于正交傅立叶-梅林矩特征的神经网络识别数字符号的方法是切实可行的，并有一定的实际应用价值。