纸币图像识别技术是近年来在模式识别领域较为活跃的一个课题,而且有着广阔的应用前景。它是在保持较高的实时性和可靠性的前提下,提高清分机对纸币清分能力的重要手段。由此技术研制的纸币清分机正在银行等金融系统发挥着越来越大的作用。为此,本文针对现有纸币图像识别方法中存在的挑残能力弱、分类准确性差、受光强变化影响严重等缺陷,对纸币图像的面额、面向、残缺以及新旧识别算法进行了设计和改进。本文在研究纸币图像识别算法的过程中,以国内目前流通的第四版和第五版人民币作为识别对象,以人民币图像的灰度特征信号为基础,应用数字图像处理技术与模式识别方法,并结合自组织映射神经网络,来实现对人民币的实时识别。本文首先利用两次直线拟合法和纸币的几何模型完成对纸币图像的边界定位和倾斜校正;其次,利用改进的尺寸识别算法完成对纸币尺寸的测量,从而确定纸币的面额;再次,在纸币的面额得到识别的基础上,通过建立并训练改进的自组织映射神经网络,完成对纸币图像四个面向的识别;然后,对纸币的二值化图像进行二值形态学闭运算,结合建立的模板并通过检测此时模板各处黑色像素数来确定纸币的残缺程度和残缺类型;最后,针对传统纸币新旧识别方法受光强变化影响严重的问题,利用HSI彩色空间中H和S分量不受光强变化影响的特点,研究一种基于彩色图像的纸币新旧识别算法。本文对纸币的整个识别过程在实时性、可靠性、抗光强变化影响、分类准确和一致等方面具有综合性优势。实验结果表明:本文提出的纸币清分机方案和纸币图像识别算法满足纸币识别及清分的技术要求,识别正确率不低于99%。对目前国内纸币清分机的研发具有较高的借鉴意义。