快速准确的纸币清分在银行业中具有非常重要的意义,通过使用灵敏准确的纸币清分机,能使繁琐的钞票清分工作变得简易、快捷和可靠.清分系统的核心技术基础是实时纸币图象处理和图像识别.清分机的高速扫描装置对钱币进行扫描,形成数字图像输入到清分软件,清分软件对输入的纸币图像进行处理,计算出清分结果并送给清分控制装置,由清分控制装置根据清分结果和清分机当前的运行状态完成清分动作.原纸币清分系统采用方向块特征时,对于特征向量维数的确定、方向块大小的选择、方向块之间的位置关系是通过实验,在保证一定的识别率的条件下才确定的,因此存在一定的主观因素.为了提高分类器对复杂情况的处理能力,我们引入了高斯混合模型(GMM)分类器.GMM是密度估计的常用方法,它的参数通常用极大似然准则进行估计.但是,极大似然准则会带来一对矛盾:增加模型的成分数,可以使似然度单调上升;另一方面,过分复杂的模型会导致参数训练过匹配,对测试集的识别效果反而不好.该文的重点主要集中在特征的选择与提取和分类器的设计上.主要完成了两个方面的工作:(1)基于整张钱币方向块特征提取.将特征提取的范围扩大到整张钱币并应用可分性判据进行评价,由于原始特征维数较高,所以又作了降维处理.(2)基于最小结构风险(SRM)的高斯混合模型分类器设计.基于结构风险最小化准则的高斯混合模型分类器,与原系统和其他成分数的选择方法相比,有较好的识别率.该文正是基于以上两个方面对原有的纸币清分系统进行的改进,其目的是为了提高识别率并降低拒识率.实验表明改进后的系统比原系统的性能有较大提高.