随着经济高速发展，金融业市场化进程日益加快，票据业务不断膨胀，票据数量与日俱增，而票据处理工作十分繁重。为了摆脱这种繁重的重复枯燥的劳动，计算机识别可以发挥重要作用，因此票据自动识别系统的研究非常有必要。票据中的手写体数字的自动识别是这类系统的关键。手写数字识别系统主要涉及到图像处理和模式识别领域。本文以票据中的手写体数字为研究背景，介绍了手写数字的识别过程。重点研究了手写数字串的分割以及分类器的选择和训练。手写数字的识别一般分为图像预处理，特征提取，数字串分割，识别这几个阶段。首先，票据的数字图像进行预处理，通过去噪，平滑，二值化等一系列预处理工作，得到较利于识别的二值图像；通过版面分析，确定需提取要素所在区域；采用Hough变换去除框格线，得到待识别的手写体数字串；本文提出了一种基于识别的分割方法以得到分割最佳组合，这种分割方法的分割结果是基于识别结果的，在识别数字的同时得到分割结果；设计了包含sigmoid神经元的BP神经网络分类器识别手写数字，在训练分类器的时候，将反例样本作为必要的训练样本估计分类器的参数，并且合理的选择正例样本和反例样本的比例，这样训练得到的分类器具备很好的分类能力。试验数据表明，这样设计的手写体数字识别分类器大大的降低了误识率，得到了较高的识别正确率。