图像识别是近20年来发展起来的一门新兴技术科学，它以研究某些图像的分类与描述为主要内容，应用范围非常广泛。但是传统的图像识别技术，多是基于统计图像识别方法和句法图像识别方法等大规模计算的基础之上的，在运算量和正确识别率之间存在着突出的矛盾。近年来人工神经网络技术的发展为解决这一问题提供了新的途径。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。　　 本文主要采用Hopfield网络对图像进行识别。首先给予对于图像复原比较有突破性，比较高效的PAIK模型对图像进行复原并对复原后的图像进行识别。采用此种模型的主要优点是将图片的重要信息的成分在图像信息的数据信息中的比重加大，以提高图像的识别效率。　　 本文简要地介绍了神经网络的发展史及国内外发展与应用实现的现状以及图像处理的现状，还论述了以下几个方面的问题：　　 1.简要介绍了神经网络中比较常用的模型及原理。　　 2.论文分析了目前在图像复原中常用的神经网络模型及其算法，着重分析了Paik模型的理论原理。　　 3.讲述本文采用的学习规则，采用Hopfield网络对其进行学习和识别，通过大量实验证明该模型的可行性和高效性。