手写体数字识别是自动模式识别中一个非常活跃的研究领域。本文针对原有数字识别处理技术中识别特征向量单一的问题,提出了基于BP神经网络与多分类识别器以权值集成方式进行结合的方法,来提高了数字识别系统的识别速度和识别率。本文首先对数字识别处理技术及处理流程进行了概述,对BP神经网络及BP常规算法进行介绍,并对算法的权值、激活函数等进行了改进。然后,根据改进的算法,以BP神经网络的数字识别技术和方法进行系统设计,并在系统中针对数字识别技术中预处理图像二值化边缘噪声问题,提出了一种基于LoG算子的边缘零交叉二值化方法。即利用LoG算子的优良性检测出手写数字图像的边缘零交叉点,确定出边缘零交叉点两侧的像素为目标或背景,对图像中的均一区域根据邻域属性确定其归属。该方法能够适应光照不均和噪声等干扰,其二值化后的字符图像能够很好地保持本来形态。最后,对基于BP神经网络的数字识别系统进行了实现。在已有的通用评价标准下,通过对其识别率的分析,证实该系统提高了数字识别的准确率。同时,对比于单一识别器,经系统集成后测试,其识别速度也有所提高。