纸币上的编码是纸币的重要特征之一,其不仅是印刷数量的标识,而且在统计货币流通量,货币管理等方面也具有重要作用。每张纸币编码没有重复,因此可以用来标识纸币的身份;纸币上的币值号码表示纸币所代的货币价值。本文将纸币上的编码和币值号码统称为号码,利用计算机视觉技术开发一种智能纸币号码识别系统,自动识别纸币上的号码,就可以有效地实现对纸币的管理,具有广泛的应用价值。本文完成了一套纸币号码采集识别系统的设计与研制,包括图像分割、定位、识别算法,用C++Builder6和Matlab7.0.1语言编写了号码识别程序,建立了可运行的纸币号码识别系统。本文通过CIS传感器进行图像采集,在图像预处理阶段,考虑到在实际应用中对识别的实时性要求很高,要求每一张纸币的所有识别过程必须在很短的时间内完成(实际系统要求30ms以内),因此放弃了诸如二值化、边缘检测等常规图像处理方法,而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。由于采集到的号码图像存在多种噪声,通过均值滤波和中值滤波等去噪声算法的对比和实验,选取了以中值滤波为主,高斯滤波辅助的方法去除噪声。由于神经网络其固有的自组织、自适应、和容错性,只须重新训练就可以完成对新类别的正确识别,因此本文确定神经网络分类器作为分类器的首选加以研究和应用。本文在实际应用中引入了改进的BP网分类器对待识别的纸币样本做自组织特征映射,实现特征训练和匹配。实验表明,本文提出的算法能够满足识别的实时性要求,且较好的保证了识别率和稳定性。在号码识别阶段,本文提出了在水平方向采用投影的方法进行定位,垂直方向采用改进的基于穿越号码体距离的方法进行垂直定位的方法,避免了双峰或多峰的干扰,定位号码准确。此方法处理速度快,识别纸币号码准确率高。识别算法中除了采用神经网络进行识别外,还尝试了模板匹配的方法。传统的二维模板匹配虽然实现简单,但计算量十分庞大,花费时间太长。针对此情况提出了采用一维灰度投影的模板匹配方法。实验结果表明,后者在保证了匹配准确率略高的前提下,识别速度也明显高于前者。用BP神经网络的识别方法来提取纸币字符特征,与一维投影模板匹配识别一种面额需要考虑正面正向、正面反向、反面正向、反面反向相比,在识别率基本相同的情况下,当用于美元纸币识别时,推广能力明显高于后者。本文在基于弧体、圆体的结构识别基础上运用了基于穿越号码次数的结构识别方法。通过对300幅美元号码图像实验表明,识别率达98%。