纸币图像识别是近年来在模式识别领域较为活跃的一个课题,而且有着很广阔的应用前景,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。在进行纸币图像识别时,由于采集到的图像是在低分辨率下扫描得到的,如何在这种低分辨率条件下实现对纸币进行识别,并且识别速度要满足清分机的要求,是纸币识别的核心问题。本文通过对纸币特征进行分析,对纸币的识别过程做了详细研究。在图像的预处理中,由于系统对纸币处理实时性的要求,该过程必须在很短时间内完成,因此我们对图像的边界检测,撇弃了诸如图像二值化,Hough变换等处理手段,而是直接采用分段线性拟合的方法确定图像中纸币的四个边界,以完成纸币的定位和倾斜矫正。在特征提取中,我们首先采用画网格的方法对人民币进行粗略的提取特征,然后利用自组织映射(SOM)把所有具有相近特征的纸币数据聚类到一起,在此基础上应用主分量分析(PCA)进一步提取人民币图像特征。在人民币识别设计中,我们提出了三种算法——动态时间规整(DTW)、支持向量机和动态时间规整相结合(SVM/DTW)和对向传播网络(CPN)。我们分别使用这三种方法做了仿真实验,结果表明它们各有利弊。DTW算法计算速度快,但是识别准确率不高;SVM/DTW算法识别准确率很高,但是它只能识别纸币的新旧等级,不能识别纸币的面向;CPN算法的识别速度和准确率相对都很高,而且可以识别纸币面向。试验表明,本文提出的CPN算法满足纸币清分系统的要求,较过去算法的识别性能有很大提高。