光学字符识别是模式识别的一个重要分支。人民币序列号是综合了印刷体英文字符和数字的字符串。就字符识别技术而言,已经提出了一系列卓有成效的理论及方法。然而,不同的行业对于字符识别有着不同的需求。该产业的发展与推广必须面向行业。本文以金融领域的清分机为例,研究了人民币纸币序列号识别的方法,探讨了在特定行业的识别系统中,字符识别的设计与实现。字符识别主要包括文档切分、单字切分、字符识别几部分。本文描述的序列号识别系统实现了从图像扫描到得到识别结果全过程,而图像预处理和字符识别是本文的重点内容,以印刷体英文字符和数字为研究对象,具体包含了图像预处理、特征提取、神经网络设计等步骤。本系统首先对纸币图像进行去噪、二值化、倾斜校正等处理,利用水平、竖直分别投影的方法确定图像边界后用几何定位法得到序列号的大概所在位置,然后利用行切分和列切分的方法将序列号从图像中切分出来,再利用投影法进行字符切分,将字符串切分成字母(数字),作为最基本的识别单位。本文的将序列号切分作为图像预处理的一个步骤加以说明。在特征提取方面,本文对OCR领域中应用比较广泛的方向线素特征、网格特征、外围特征、穿越特征等特征分别进行比较分析,并进行了大量的实验,根据英文数字字符字形比较简单、部分字符字形相似的特点,提取穿越特征和网格特征作为系统的特征。通过实验确定加权因子,对这两种特征赋予不同的权值进行加权融合,使特征具有更强的描述能力。最后,本文采用了基于反向传播算法(BP算法)的神经网络系统来识别字符,其优点是结构设计简单,自学习能力较强,识别速度快。