为了研究太阳黑子的运动规律，需要对历年来观测太阳黑子运动所记录的图像进行相关研究。在对太阳黑子观测图进行图像处理时，图像识别是很重要的一部分。对已有图像的识别，人们采用的是人工分割的方法，不仅工作量大，而且准确率也不高。那么，如何在未来的图像识别工作中采用自动识别技术，使得识别过程简化、识别效果更好，本文结合了深度学习的相关特点，选择了将深度学习中的卷积神经网络（CNN）与字符识别技术相结合的方法。　　深度学习作为一项新兴的模拟人脑进行分析数据的神经网络，一经提出便被人们广泛认可，迅速应用于各大领域。在深度学习的诸多算法中，最适合进行手写字符研究的就是卷积神经网络。卷积神经网络是第一个真正成功训练多层网络结构的学习算法，可以直接从原始图像中识别视觉模式。CNN作为深度学习框架是基于最小化预处理数据要求而产生的，利用空间关系减少参数数目以提高一般前向BP训练的一种拓扑结构，属于前馈型神经网络。在CNN网络中，信息通过不同的网络层次进行传递，每一层能够获取对平移、放缩和旋转不变的观测数据的显著特征，因此，卷积神经网络能够容忍图像的畸变。　　基于卷积神经网络的太阳黑子扫描图像手写字符的自动识别方法，采用了扩展式训练方法，给出了相应的网络结构。通过自做的样本库制作程序组织样本库进行训练，最终得到的识别率达到98.5％。基于CNN的手写字符识别技术也应用到了太阳黑子扫描图手写体识别软件中，该软件主要以云南天文台的太阳黑子观测记录纸为模板，分析识别结果得到识别率可达到95%。其主要功能为：能够对“手写”的扫描图进行在线识别，获取图片中的手写字符信息，存入数据库；对存入数据库中的数据进行校对。这款软件为将太阳黑子扫描图像中的有关参数进行数字化，建立太阳黑子基础数据库，研究太阳黑子的活动和演变提供了便捷。