随着国际贸易以及香港经济的快速发展,港币的安全流通和机读识别变得尤为重要。由于港币发行银行不唯一、发行周期短且面额较多,导致港币版本种类较多。且不同版本的识别特征、冠字号等差异性很大,会给港币的机读识别带来许多困难。并且港币使用过程中存在污迹、磨损、老化等因素影响图像质量,使现有机读识别算法面临很大挑战,误识率较高。针对上述问题,本文采用多光谱中的红外光谱,对港币进行清晰的红外成像,对港币的面额、朝向、版本及冠字号进行机读识别,促进港币流通的安全性。本文针对红外光谱图像下的港币机读识别关键技术进行研究,首先对CIS采集出的原始红外图像进行校正,其中对滤波后的港币图像使用了基于LSD(line segment detector)的边缘与顶点提取算法以及仿射变换。其次对港币的多种面额进行识别,并通过基于局部灰度共生矩阵的对比度特征对港币朝向进行区分。最后,针对港币版本和冠字号识别,本文设计了一种基于特征角度学习的卷积神经网络模型,通过运用特征向量的角度信息,使神经网络输出的特征具备可区分性,提升网络的特征描述和泛化能力。将该模型运用在港币版本识别中,能很好地区分不同的港币版本,有效减少污迹等因素对识别过程造成的影响,完成准确分类,进一步,将该模型运用在冠字号识别中,可以成功地识别不同版本的冠字号,并解决港币冠字号形态不一致、字符易混淆导致识别率低的问题。实验结果表明,本文提出的算法及模型可以对港币面额、朝向、版本及冠字号进行有效且准确的识别。与传统算法相比,本文提出的特征角度学习模型提高了特征的表示能力,增强了网络的鲁棒性。本模型解决了污迹等因素影响版本识别的问题以及字符形态影响冠字号识别的问题,提高了红外光谱图像下的港币机读识别准确率。