纸币清分系统是一种集光机电于一体的高端金融现金处理设备，其主要功能是完成对纸币面值、面向、真伪、新旧程度等的识别与清分，以代替人工挑选ATM用钞、可流通钞和剔除残钞等。随着经济和社会的发展，纸币识别的应用领域和分布地域越来越广泛。同时，尽管各个国家的纸币本身处于不断地更新换代之中，但假币的制作水平也在不断提高，这不仅扰乱了金融秩序，还使金融安全受到威胁。因此，无论从技术角度还是从经济层面看，都有必要研究精度高、处理速度快的高性能的纸币识别算法与技术。　　 近年来，模式识别、数字图像处理、计算机控制等检测控制技术在纸币清分机中得到广泛应用。本文在认真分析国内外纸币识别及纸币清分领域研究现状的基础上，以人民币为例，通过分析纸币特征，对纸币识别过程中基于图像处理的关键算法进行了深入研究。　　 本文在完成纸币图像的采集、去噪、灰度变换等预处理后，给出了基于图像处理的纸币清分中核心算法的实现策略。首先讨论了纸币的残缺识别，根据纸币残缺处采集到的色彩信息与背景相同的特点，使用阈值分割技术，提取与背景灰度值一样的连通区域为残缺区，并计算残缺区域百分比判定其是否符合流通标准。其次，对符合流通标准的纸币，提取表示纸币面值的特征块并输入到BP神经网络中训练，实现纸币的面值识别。然后，通过对新旧纸币特征的分析，提取纸币灰度直方图及纸币HSI空间的H、S分量直方图作为特征输入，并对常用的基于LVQ的分类器作了改进，提出基于BP-LVQ神经网络的新旧识别算法，识别率有一定提高。最后，针对真伪识别的问题，在使用神经网络精确判别面值的基础上，利用统计理论进行真伪识别的研究，对特定面值纸币图像提取其真伪特征区别点，通过对真币进行特征分析确定其判决域，从而进行真伪的判决。本文应用MATLAB软件对上述算法做仿真实验，结果表明，这些算法是可行的。