本文以手写体数字作为研究对象，针对手写体数字的书写自由的特点，对其拓扑结构进行了具体分析。提出两种提取特征值方案。一种方案将数字图像经过二值化、行字切分、平滑、去噪声、规范化和细化等预处理，然后对其特征提取。特征的选择采用的是比较稳定的特征值：端点数及其位置、凸点数及其方向、三叉点位置、四叉点位置，提取的特征值最后经感知器神经网络识别。另一种神经网络手写体数字识别系统是基于链码编码的结构特征的思想，不过已有的链码编码是针对每个点来进行的，本文提出的链码编码是以笔画为基元的编码，更能反应手写体数字的几何结构特征。以此链码编码作为BP 神经网络的特征输入，也能达到较好的识别效果。 此外本文还对神经网络的发展及其应用作了比较详细的叙述，尤其是对神经网络在模式识别中的应用历史作了叙述。尽管神经网络自身有特征提取的功能，但是由于神经网络的特征提取的隐蔽性，不如直接的端点，环等几何特征值直观性强，特征提取的目的性不明确，因而也使得直接利用神经网络进行特征提取的识别系统误识别率比较高，同时考虑到字符识别中，待识别的字符，不管是印刷体还是手写体，待识别样本基本上是确定的，因而，本文在识别手写体数字中，采用的是首先进行独立特征提取，将提取的特征值作为神经网络的输入，这样可以提高识别率，当然，也加大了特征提取的工作量。所以，特征提取相对来说是本文的重点。