联想记忆是人类脑细胞的重要功能之一。近年来,G.X.Ritter等人提出的形态双向联想记忆网络(MBAM)[1,2]是一种比较有效的联想记忆方法,克服了传统联想记忆网络样本存储能力有限、联想记忆需要多次迭代等缺陷,较好地解决了二值图像的联想记忆问题。尤其是对带单一噪声的二值图像,得到了较为成功的应用,但MBAM对含有随机噪声的二值图像却无能为力。同时目前可用于灰度图像的联想记忆网络还不多见,而能处理含有随机噪声的灰度图像的方法就更少见。本文是在MBAM的基础上,提出了一种利用动态核的形态联想记忆网络,其目的是解决含有任意随机噪声图像的联想记忆问题。此方法加入了动态核的思想,使之在对含有随机噪声的二值图像的联想记忆中仍能得到正确的联想记忆结果。同时也能在二值图像的模式识别中灵活运用。由于每一幅原图的核并不唯一,选取时要根据所需识别的含有噪声图像来决定,不同的含有噪声图像,核亦不同,所以称之为动态核。该方法经实验证明,其识别的准确率要优于经典的联想记忆方法和MBAM,尤其在噪声比较多,比较复杂,图像数据比较大时,这种优势将更加明显。本文在上述动态核方法的基础上进行了改进和修改,进而把他推广应用到了灰度图像中的联想记忆和识别之中,并且也取得了比较理想的结果。它不仅可以较好的处理含有噪声灰度图像的联想记忆问题,而且还可以用来识别含有噪声灰度图像与数据库中存储的图像是否匹配,从而解决识别问题,我们的实验也验证了这一结论。