纸币多光谱图像防伪鉴定技术是纸币防伪研究领域的热门问题，它与国家的金融安全息息相关，具有重要的理论价值和广阔的应用前景。纸币图像包含了纸币可见光图像信息、红外光图像信息及紫外光图像信息。通过对纸币多光谱图像的分析与理解能够高可靠地对纸币进行分类，并且能够稳定的检测出传统防伪技术无法识别的假币、变造币以及不易流通的纸币，保证流通纸币的安全性和可靠性。纸币的多光谱图像防伪鉴定技术包括了图像采集、预处理、面额面向识别及真伪识别四个过程。近几年，学者对上述过程进行了广泛的研究，并取得了较好的结果，但还存在着一些问题，主要是真伪识别过程中的特征区域选取方式、特征提取算法和分类器设计方法无法适应不同光照、类型、新旧、噪声污染的纸币图像，不但对假币的检测能力较弱，还容易导致真币的误报。本文针对真伪识别阶段的上述问题，通过利用多区域对比式策略提出了多光谱图像特征区域选取方法；通过利用同一光谱不同区块图像有效灰度信息间的相对关系，提出了灰度特征提取算法；通过利用不同光谱同一区块图像八向结构匹配关系，提出了纹理结构特征提取算法；为了提高分类能力，本文还引入了监督式的训练方法，提出了基于核Fisher判别法的分类器设计方法。本文算法解决了纸币图像的光照差异、新旧程度及类型变化、噪声干扰等适应问题，提高了基于多光谱图像的防伪鉴定系统的稳定性。本文在欧元和美元上进行实验,并与其它算法进行了比较，提出的算法能提高对不同币种不同光照、新旧、噪声污染纸币的适应性，提高了识别率，降低了误识率。