摘要人民币纸币的号码是纸币的身份标识。实现纸币号码的自动识别，不仅可以用于纸币的防伪，抑制假币横行造成的危害，还可以实现纸币的追踪，对因抢劫、偷窃而丢失的纸币的追踪破案有很大的帮助，更好实现了对金融流通领域的监管。84306

针对当前大部分纸币识别系统识别的准确性较低，本文设计了一种基于数字图像分割技术和BP神经网络识别技术的人民币纸币号码自动识别系统。首先利用腐蚀、平滑等处理实现对人民币的号码字符串进行定位，并将定位后的字符串图像进行二值化、滤波、膨胀等预处理，接着通过阈值分割技术进行字符分割，将分割好的单个字符利用BP神经网络算法训练，完成号码字符串的识别。经实验测试，该程序识别的准确率高达94。44%，识别速度也很快，具有很高的实用价值。

毕业论文关键词:纸币号码,图像分割,神经网络

Abstract Paper currency number is the unique symbol of RMB。 It plays a very important role in the financial regulation。 So the aim of this paper is to implement a RMB paper currency number automatic recognition。 A unique number not only can be used in paper currency anti-counterfeiting, but also realizing the tracking of the bill, What’more,it can even give assistance to retriving the robbery and theft then can capture the criminal。 Using of the RMB number can implement a wonderful financial circulation regulation。

At present, most of the paper currency recognition systems have low accuracy, this paper designs a kind of automatic RMB paper currency number identification system based on the digital image segmentation technology and BP neural network recognition technology 。 Firstly, we use the corrosion and smooth processing technology to position the RMB number。 After the binarization, filtering and expansion on the RMB currency,it will be cut into ten segments。 The next step is to  use BP neural network algorithm to recognize characters,and then compare them with the samples。Finally we can complete the identification of the number of the RMB currency。 The accuracy rate is as high as 94。44%, it is higher than the  rates of present paper serial number identification systems。 So it’s possible for us to implement a wonderful automatic RMB currency number identification  system。

Keywords: paper currency number, image segmentation, neural network

目 录

第一章   绪论 1

1。1  背景及意义 1

1。2  研究现状与存在的问题 1

1。3  本文的主要研究内容 2

第二章  图像分割与识别技术 3

2。1 图像的灰度变换 3

2。1。1 灰度变换常用方法 3

2。1。2 灰度直方图 4

2。2 图片腐蚀 4

2。2。1 腐蚀的含义 4

2。2。2 腐蚀的算法 5

2。3  图片的二值化 5

2。4  图像分割 6

2。4。1 基于边界的分割方法 6

2。4。2 基于阈值的分割方法 8

2。4。3 基于区域的分割方法 8

2。5  图片归一化处理 9

2。6  BP神经网络