伴随着社会经济的快速发展，越来越多的行业和领域都实现了信息化和自动化，银行业务的全面自动化将是银行业发展的必然趋势，纸币清分机的智能化将是银行业务自动化最好的体现，基于国内纸币清分机技术都有一定的缺陷，存在着分类准确性差，易受环境制约，挑残能力差等缺陷。本文针对基于图像处理的纸币特征识别技术进行了深入的研究和分析。本文主要采用目前流通的人民币第四版、第五版作为识别样本图像，在研究特征识别之前，先对采集到的待处理纸币图像进行预处理，文中分析了纸币图像的预处理算法，主要包括图像的增强，倾斜校正和图像分割三大部分。采用线性增强以及空域滤波增强的方法实现了图像的对比度增强。对于图像的倾斜校正，采用的是多级Hough变换，用由粗到细的角度搜索步长进行图像的倾斜检测，并根据倾斜角度来使用双线性差值法进行旋转校正。图像的分割采用基于区域定位的分割算法，粗略定位序列号所在区域。纸币面额识别中，分析和比较一维灰度投影算法和二维模板匹配算法，针对算法的计算量问题，采用了基于一维灰度投影的匹配算法，该算法主要原理是，对纸币图像分别进行水平投影和纵向投影变换，将二维纸币图像转换为一维图像之后再进行匹配试验。识别实验获得了95%以上的识别率，相对理想。并在已知纸币面额和版本基础上，针对不同种类的纸币建立和训练相应的改进后的SOFM神经网络，实现了对纸币图像四种面向的识别，识别率高于95%。针对纸币序列号识别，反复采用投影法来实现序列号字符分割，通过逐像素特征提取法提取字母和数字的灰度特征来作为输入建立网络模型，采用两个不同的BP神经网络对字母和数字分别进行识别，完成对序列号的识别，系统中数字和字母的识别率均在在96%以上。最后通过纸币图像直方图变化分析及阈值分割实现了对纸币的新旧及残损的识别。实验结果表明，本文研究的纸币图像识别算法可以满足纸币清分的相关技术要求。