随着我国加入WTO,银行与国际金融的接轨,外汇存兑尤其是美元柜台交易业务已成为各银行必须的业务。然而美元鉴伪机具很少,可以信赖的美元鉴伪机具更是微乎其微。再加上造假者猖獗,这从一个侧面折射出目前所应用的技术尚待进一步完善,另一方面也反映出美元鉴伪研究课题具有理论与实际双重挑战性。本文在充分学习了美元识别的国内外研究现状和研究方法之后,分析了美元真伪币的特征,选用有效的传感器获取美元有用的隐性特征,并针对美元的特征提取和识别进行了一些的探讨,提出了一种基于改进主成分分析(IPCA)和改进学习矢量量化(IMLVQ)神经网络的美元识别方法。在特征提取阶段,针对广泛用于美元特征提取的主成分分析技术(PCA)存在计算复杂,不能准确估计训练图像的协方差矩阵以及没有考虑区分样本真伪的分类特征等的问题,提出了IPCA特征提取算法。该方法首先把训练图像的右奇异向量作为PCA求解的图像子空间的基向量,避免了将图像阵列转换成图像向量,明显降低了计算复杂性;然后利用PCA本身所固有的能量聚集特性和Laplacian矩阵的特性,最大程度上提取了样本的真伪特征信息。在分类器设计阶段,通过阅读大量文献和书籍,指出了广泛用于美元识别的LVQ神经网络方法及其各种改进模型的不足,并提出了IMLVQ神经网络识别算法。该算法不仅从理论上有效克服传统LVO算法的对初值敏感,泛化能力差的问题,而且具有更好的学习能力。针对建立的模型,进行了MATLAB仿真和C++程序设计,并对实验结果进行了比较和分析。实验结果表明:本文算法获得了很好的识别效果,从而表明了本文算法在美元识别中具有一定的优势。