数字图像处理的最终目的是用计算机代替人去认识图像和找出一副图像中人们感兴趣的目标,这是计算机模式识别的主要内容。模式识别技术是用机器来模拟人的各种识别能力,当前主要是模拟人的视觉和听觉能力。图像模式识别是用机器对文字、图像、图片和景物等模式信息加以处理和识别,用以解决计算机与外部环境直接通信这一重要问题。图像识别由三个环节构成,分别是数据获取、数据处理、判别分类。解决图像识别的方法概括起来可分为统计模式识别、结构模式识别、模糊图像识别与智能模式识别。20世纪80年代新兴的人工神经网络,作为一种广义的智能模式识别法,具有高度的并行性、分布式存储、良好的容错性、自适应性和联想记忆功能、高度的非线性处理等能力,在模式识别领域中取得了许多传统方法所难达到的成就。而神经网络图像识别技术是随着当代计算机技术、图像处理、人工智能、模式识别理论等发展起来的一种新兴图像识别技术,是在传统的图像识别方法的基础上融合神经网络算法的一种图像识别方法。本文介绍了目前常用的几种基于神经网络的图像识别方法,根据图像识别的特点,提出了利用BP网络、径向基函数两种神经网络图像识别模型,分别给出了两种模型的学习算法和具体应用技术。主要工作包括以下几个方面:1、简要介绍了图像预处理技术及图像识别的基本原理。2、介绍几种常见的神经网络模型和模式识别方法;3、对BP神经网络的结构及BP算法做了系统的分析研究,在此基础之上,提出了BP神经网络在图像识别中的应用;4、利用径向基(RBF)函数神经网络模型最后对医学图像进行识别和分类,并和其他方法进行对比。论文给出了图像识别在实际问题中的具体应用:基于BP神经网络的数字识别方法以及利用径向基(RBF)函数神经网络模型对几幅医学图像进行识别与分类。测试结果表明了本文所提出的基于人工神经网络的图像识别与分类方法具有较强的实际应用价值,并对研究工作进行总结,对这种图像识别技术进行了深入分析和展望。