孙伟忠，马 跃，尹震宇，谷 艾，徐福龙

1(中国科学院大学，北京 100049) 2(辽宁科技大学 计算机与软件工程学院，辽宁 鞍山 114051) 3(中国科学院 沈阳计算技术研究所，沈阳 110168)

1 概 述

随着我国国民经济的突飞猛进，纸币作为商品流通的一种媒介流通量与日俱增.缺损与脏污纸币的比例也随着流通时间的增长变得越来越大，这使人民生活的便利以及商品交易都会受到不同程度的影响.因此，当纸币达到一定程度的污损时，银行往往会对其进行回收并且集中销毁.银行等金融机构往往采用纸币清分机等金融设备通过图像处理、模式识别等技术对纸币进行面值、真伪、冠字号码等识别[1].

国内外学者也针对纸币特征的识别进行了一定程度的研究.张玉欣等人[2]提出一种基于D-S证据理论和支持向量机相结合的多特征融合纸币真伪识别方法,解决了单一特征纸币真伪识别存在的低正确率和低稳定性问题.张航[3]利用卷积神经网络针对纸币序列号学习进行了研究.Khashman等人[4]基于神经网络研究开发出了识别纸币发行国家的系统.基于使用单个或多个传感器获取纸币图像的方法，这些方法可以分为两类：使用整个钞票图像的方法和在钞票图像上使用特定感兴趣区域(ROI)的方法，用于钞票适合度的分类.在Sun和Li[14]提出的方法中，他们认为不同等级的新旧纸币具有不同的灰色直方图.因此，他们使用纸币图像直方图的特征作为特征，使用直方图对齐的动态时间……