纸币图像识别是近年来在模式识别领域较为活跃的一个课题,而且有着很广阔的应用前景,由此技术研制的纸币清分机正在银行等金融系统发挥着越来越大的作用。随着彩色传感器的应用,如何利用多光谱纸币图像进行识别,并且保证识别速度满足清分机的性能要求,逐渐成为纸币识别的重要问题。纸币清分系统的核心技术基础是实时纸币图像处理。纸币图像分析理解技术对纸币流通监管具有十分重要的意义。本文对多光谱纸币图像进行深入分析,研究了快速纸币分类、纸币图像细节检测(新旧特征、污损特征),设计完成了纸币清分系统。针对纸币多光谱图像的特点,本文在纸币清分系统基础上提出了几种改进策略:在多光谱图像的预处理阶段,提出了一种补偿与采集并行处理的纸币图像与处理策略,提高了多光谱图像采集的稳定性和处理的速度。并利用HSI图像中亮度分量进行边缘检测。在特征提取方面,针对图像会出现变形的情况,提出了一种自适应的网格特征提取方法,这种方法具有更好的稳定性。并利用图像的颜色信息和纸币图像的几何形状对面额进行分类,提高了面额分类的准确率。根据系统中类内距离过大类间距离过小的情况,提出了距离分类器与人工神经网络分类器相结合的识别方法,与原系统的网格特征加距离分类器识别方法相比,具有更好的识别效果。在纸币新旧检测中,提出了一种基于多光谱图像新旧判别方法,弥补了灰度图像在新旧检测时判别结果易受图像传感器一致性差异和设备在运行过程中的图像亮度变化的影响,并利用多光谱图像的色彩均匀性特征完成纸币图像的污损检测,提高了污损检测的能力。采用基于特征区梯度的方法,对人民币版本进行了识别,取得了较好的效果。