图像特征提取与识别技术具有广阔的应用前景和发展空间，目前在金融行业领域纸币清分机中得到广泛的应用，是清分机对纸币进行识别的核心技术。因此对纸币特征提取与识别技术的研究具有重大的意义。本文针对纸币图像预处理、特征提取、纸币面值版本及纸币面向识别等问题作了深入研究，在对传统一些算法改进的同时提出并设计了相应的图像处理和识别方法，软件模拟实验证明，可以满足清分纸币的准确性及实时性的技术要求。本项目首先提出了基于预测的自动配光技术来获得清纸币清晰图像的方法，与传统的自动配光方法要求用测试基准纸覆盖CIS传感器上的所有发光点且必须保持测试纸的整洁相比，本文提出的方法从根本上解决了测试纸容易脏污严重影响采集图像的质量等问题，于此同时还解决了CIS传感器因自身物理特性所造成采集图像线性非均匀等问题。在纸币图像识别算法上，本项目以目前国内流通的第四版和第五版人民币共九种人民币为识别对象，应用模式识别技术和数字图像处理技术并结合改进的自组织神经网络（SOFM）,来完成对纸币面值、纸币版本及纸币四个不同面向的实时识别。在对纸币识别之前，首先完成了对纸币噪声去除、纸币倾斜度校正、纸币边界定位纸币特征块分割及特征块特征提取等预处理操作，然后以纸币图像的灰度特征为识别系统的基础输入完成对纸币识别算法的具体设计。实验验证表明本项目所提出的纸币图像采集方法、纸币图像特征提取及识别方法具有一定的先进性，能满足目前市场对清分机清分技术基本要求，具有一定的应用价值。