纸币清分机是一种集光机电于一体的金融现金处理设备。它的主要功能是识别纸币的面额、面向、新旧程度,以满足新旧纸币的清分和挑选适合ATM机纸币的需求。基于数字图像识别技术在纸币清分机中的广泛应用,针对现有清分机存在的清分速度不高和清分效果不理想的缺陷,本文对纸币清分机的关键技术进行了深入的研究,提出了基于DSC25芯片的并行系统架构,研究了有利于提高图像处理速度的并行处理算法及图像处理核心算法的实现策略。主要研究内容及成果涉及以下几个方面:1.清分机图像识别算法的研究。对当前国内外纸币图像识别技术进行了综述, 并针对实际纸币的特点,提出了基于灰度直方图和特征区域相结合的特征提 取方法。利用神经网络自组织,自适应和容错特性,比较了BP和LVQ两种 神经网络分类器,在实际应用中使用改进的LVQ分类器对待识别的纸币进 行特征训练和匹配,实现纸币新旧的识别。结合产品研发实践,比较分析了 现有方法并选择较为高效可靠的算法以实现纸币清分机的面额清分、面向清 分、方向识别等其它功能。2.清分机图像系统的软硬件设计。针对清分机实时性要求高的特点,详细分析 了决定系统运行处理速度的关键因素,比较了现有几种清分机的系统硬件方 案,提出了基于DSC25芯片(ARM/DSP双核芯片)的快速图像扫描和高速图像 处理的并行系统结构。阐述了由以DSC25为核心的图像处理系统和以 MC9S12A128B为核心的控制系统所构成的硬件系统方案。在此硬件平台上 研究了有利于提高图像处理速度的并行处理算法,详细描述了系统软件总体 结构设计以及各功能模块的设计。3.系统试验结果分析。将本文研究的图像识别算法在自主研发的清分机平台上 进行有效的验证,并对系统速度进行了测试,在此基础上着重分析了影响新 旧识别率的因素。