图像识别技术是提高当前纸币清分机清分效率的重要手段,主要实现对纸币的面额、面向及新旧残缺清分,要求具有较高的实时性和可靠性。当前各商业银行每天要给为数不少的ATM机配钞,并按照中国人民银行"流通券达到七成新"的要求上缴入库旧钞票,仅仅依靠手工操作很难实现。传统去噪算法在对图像进行去噪处理时往往无法在平滑与保护边缘之间取得平衡,有时会由于对噪声过分抑制而导致图像损失部分信息,造成图像模糊;或是该类传统算法会对噪声抑制不够充分而在图像中残余过多噪声,去噪效果不佳。为了在去噪的同时保护图像边缘等奇异信息,研究者们提出了TV去噪算法,该算法可以在去噪的同时对图像的边缘起到保护作用。然而传统的TV算法有时会在保留图像边缘信息的同时在图像平滑区域残留较多的噪声,最坏的情况下甚至产生虚假边缘。如何准确地识别人民币纸币以及如何提高处理速度是其关键所在。本文围绕这些问题展开了深入的探索和研究,并尝试解决这个难题,使纸币清分机不但能准确地识别出人民币新旧钞票,而且使识别的速度也达到了技术要求。本文的核心技术在于图像的预处理和特征的选取。首先为了准确地识别图像,必须对图像进行预处理,如去除噪声、寻找中心点、计算倾斜角度等。为了弥补传统TV算法的缺点的同时保留该算法对边缘的保护特性,本文通过分析图像像素的空间梯度和像素梯度信息,改进了传统的TV算法,使其可以在保护边缘的基础上对图像进行有效的图像去噪处理。首先分析图像的梯度信息,然后对该分析区域的梯度信息施加阈值进行抑制来克服图像去噪对平滑区域的影响,这样就可以弥补传统TV算饭在平滑区域残留较多图像噪音甚至会有虚假边缘的不足;经过这样的图像去噪预处理后,本文算法又结合了图像像素梯度信息来对TV算法中将要用到的迭代函数求解。最后实验结果表明,本文算法在保留图像边缘的同时可以达到较好的图像去噪效果,提高了图像的PSNR值以及视觉效果。