随着我国经济规模日益发展壮大,金融清分设备的应用日趋广泛,在取代人工劳动和服务群众方面发挥了巨大的作用。目前国内相关产品的技术水平相较于国外仍然有很大的落后,亟需提高性能并降低成本。人民币图像信息识别算法作为金融清分设备的核心技术,对其进行研究有着重大的理论和实践意义。人民币图像信息识别算法研究的主要目的是根据人民币图像的特点,深入研究面值识别、面向识别、残损检测和新旧分类等问题,圆满的完成预期的要求。由于CIS传感器采集的人民币图像数据含有许多噪声干扰,想要保证识别结果的精确性,首先需要做预处理操作,包括人民币图像校正、定位和特征区域子图像的平滑。校正部分,本文采用边缘取样然后进行直线拟合的方法检测倾斜角,提高了倾斜角度的精度;定位部分,本文采用直线交点法求解角点位置,有效克服了缺角等情况的影响;平滑部分,本文采用高斯滤波方法,取得了良好的效果。完成预处理后,进行面值识别与面向识别。本文把面值识别和面向识别一起处理,提高了算法的效率。通过选定适合的感兴趣特征区域,提取特征并与模板库做匹配,确认面值和面向信息,在实验中,在允许少量拒识的情况下,准确率达到百分之百。完成面值和面向识别之后,根据相关结果进行残损检测。人民币残损包括缺损、磨损、破损和污损等情况,本文首先对标准图像采用二值化和形态学操作,然后分块统计残损面积进行判断,提高了算法准确性和运行效率。针对新旧人民币图像在模糊程度方面的差异,本文提出一种局部平均灰度差算子,并使用SVM作为分类器进行学习训练,为人民币新旧分类提供了一种新的解决方案。实验显示,人民币图像信息识别算法获得了不错的效果,在允许适量拒斥的前提下,完全达到了项目预期。