在本文中，所谓的手写数字识别，是指辨别电脑中的图片里的数字，是一项时兴的智能技术。这项技术是指通过机器和系统的运算，将图片中过的数字，为手写的，辨别出来。长久以来，这个都是一个热门的研究。因为这个技术的逐层推广和它的使用的深入，它的探索很有必要，而且具有重要性。

在相关的领域中，这项技术是模式识别内容的一个方面不可或缺的研究内容。在过去的半个世纪中，研究人员发现了并使用了很多中方法，其中包括有句法、计识别神经网络识别等。神经网络识别是一个崭新的，朝阳方法，相比于其他方法，它又独特的优势。神经网络有高度的非线性，能让使用者描述难以用计算理论的数学模型，有着可以建立准确的数学模型的优势。

首先，在电脑画板画出所需的0到9的数字样本，接着在MATLAB建立图片库，其次对照片进行预处理，然后提出我的样本中的粗网格密度这一特征，到最后建立BP网络（Back Propagation）来识别。根据上面的步骤过程设计完成系统，得出的系统有着一定的识别率。

论文内容安排

第一章：本文第一步对这个识别技术做出简介，然后说明前人对数字识别本课题的研究所获得的成果，然后说明本文的目标和研究意义。最后说明本文的研究内容。

第二章：详细说明了解了本课题应用到的重要技术，人工神经网络及说明它在这个识别方向的使用，最后BP网络在MATLAB上的使用。

第三章：说明识别的原理、过程，加上系统中应用到的具体方法于各个方法的对比。

第四章：系统的详细设计即其在MATLAB的实现。

第五章：系统的测试及实验结果分析。

本文依据识别的流程，首先说明了关于本课题这个领域的背景，探索方式及本课题的研究目标和意义。随后，具体说明介绍了本设计中的识别关键技术--BP网络，还有它在MATLAB上的使用。接着的一步是，介绍说明识别的流程，一般的过程中，我们把识别分成了两个阶段。第一个过程包括对训练样本格式的转换，预处理、特征提取、建立BP神经网络及其训练学习；第二个过程是识别分类，对测试样本的格式转换，预处理、特征提取、分类识别。到了最后一步，根据前面得到的数据结果，我对系统的得出的结果、误差还有性能进行了探索分析。

根据上述的流程，在计算机画板获取手写数字图片，采用图片二值化的预处理，提取图片粗网格密度这一特征，通过建立BP神经网络这种较新的识别方法来对测试样本进行测试，而且在最后，我设计的程序可以较为成功地辨别出样本中的数字。