字符与我们日常生活密切相关。随着计算机技术的发展,文本和数据的自动读入技术逐渐成为热门研究领域。本文的研究内容属于图像识别技术课题的一部分,主要研究字符的识别。递归神经网络是模拟人脑的重要工具,它具有并行处理、容错性能好的特点。联想记忆是基于内容存储的记忆,是人脑的特有功能。联想记忆分为自联想记忆和异联想记忆。递归神经网络能较好的实现人脑的这种功能,只要通过训练,神经网络就能很好地记忆和识别人脸、文字等信息。本文首先讨论了人工神经网络、图像处理等相关的理论知识,然后对于图像识别中的字符识别进行了研究,设计了基于递归神经网络的自联想记忆和异联想记忆字符识别算法,最后给出了基于这种算法的字符识别系统。基本的思想是训练递归神经网络,使得网络能够记住字符,从而达到识别字符的目的。神经网络的输出是收敛到渐近稳定的状态(吸引子),所以字符模式是由神经网络的吸引子记住的。所有能收敛到吸引子的网络的初始值的集合即吸引域,而从吸引域出发的初始值都能收敛到吸引子,也就说网络的输出能收敛到正确的字符,因此我们所给的算法具有容错性能。