手写数字识别是图像处理和模式识别领域中的重要研究课题之一。手写数字由于书写者的因素，使它的数字图像的随意性很大，如：字体大小、笔划粗细、字体的倾斜度等差异都会直接影响到数字字符最终的识别结果，因此手写数字识别是模式识别领域内最具有挑战性的课题之一。本文主要是对手写数字的神经网络方法进行的研究。文章中描述了手写数字识别的研究背景和发展状况，并且对手写数字识别的图像预处理技术进行了详细的介绍，实现了图像灰度化、二值化、去噪、字符分割、归一化、细化等操作。文章中介绍了常见的两种特征提取的方法：统计特征提取和结构特征提取。本文采用的是数字的粗网格特征提取法，并在Matlab环境下实现了特征提取的过程。此后我们运用遗传神经网络进行训练和识别，比较使用遗传神经网络和单独使用BP神经网络的识别结果，通过两种方法的对比，找出缺点和不足。实验结果表明，遗传神经网络方法比BP神经网络法不仅在识别率上有了很大的改进，收敛速度也得到了很大的提高。但是我们的方法仍然有许多地方需要改进，这就要求我们在以后的学习中，不断的改进，以寻找更加完美更加快捷的手写数字的识别方法，促进手写数字识别的发展。论文结尾我们对本论文的内容做了系统的总结，也阐述了我们未来需要努力的方向，争取寻找出一种完美的数字手写数字的识别方法。