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。清分系统的核心技术基础是实时纸币图像处理和图像识别。在清分机的系统中,对实时性要求非常高,也就是纸币经过图像传感器的时候,必须在一定的时间内计算出纸币的面额、面向、朝向等信息。本文主要是针对各种币种的特点,在清分系统的基础上,作了几点改进:在原有的纸币采集补偿策略的基础上,提出了一种补偿与采集并行处理的补偿采集策略,提高了图像采集的稳定性,缩短了图像预处理所花费的时间。针对图像会出现变形的情况,提出了一种自适应的网格特征提取方法,相对于传统的网格特征提取方法具有更好的稳定性。根据实际系统中类内距离过大类间距离过小的情况,提出了距离分类器与人工神经网络分类器相结合的识别方法,与原系统的网格特征加距离分类器识别方法相比,具有更高的识别率。根据不同纸币的印刷图案,提出了一种基于特征区图像直方图的纸币新旧判别,弥补了以前只能对有空白区域的纸币进行新旧判别的空缺,对纸币图像上有污渍的情况有更好的处理能力。采用基于特征区梯度的方法,对人民币版本进行了识别,取得了很好的效果。