人民币防伪分类识别技术是近年来图像处理和模式识别领域较为热门的课题,具有较高的理论研究价值;其对国家的金融安全具有相当重要的战略意义,因此具有广阔的应用前景。本文通过对人民币紫外光图像的分析与理解,得到了普通可见光图像所没有的突出特征,并通过这些特征,可以对人民币准确快速的进行分类,并能够检测出普通防伪算法无法检测的高仿假币,“阴阳币”以及“变造币”。本文提出的算法对人民币的安全流通有所帮助。基于人民币紫外光图像的防伪分类技术,包括人民币紫外光图像的采集、图像预处理、面额面向的识别及真伪识别四个过程。在图像预处理过程中,对人民币图像的去噪处理、直方图均衡化、边缘检测、倾斜校正的方法进行了研究。提出了用改进Radon变换进行直线检测的方法,并和基于点检测的算法进行了比较,本文所提方法能够消除噪声对边缘检测的干扰。在人民币面额面向识别过程中,对人民币尺寸特征法进行面额识别进行了研究,并提出了对人民币紫外光图像正面特征区域中的M码采用配准方式进行面额识别的方法,此方法不仅能识别出面额,而且对人民币防伪也有所帮助,最后,利用模板匹配方式进行了面向识别。上述算法都达到了比较理想的效果。在人民币鉴伪过程中,提取了正面M码区域的相关系数作为特征,利用Gabor滤波器对紫外光图像背面特征区域进行了8个方向纹理特征的提取,并设定合适的阈值,将超过阈值的像素点个数的均值作为另一个特征,该特征的选取方式对光照和一定污损人民币具有鲁棒性,最后引入了监督式学习训练方式,设计了基于Fisher核的真假币分类器。本文所提出的算法在人民币上进行了实验,经过验证,本文所采用的纸币防伪分类识别技术具有一定的先进性,可以得到较为理想的效果。