纸币是一个国家的象征，纸币识别和分类是银行自动存取款机、铁道交通自动售票机、企事业单位自动售货机以及公安机关为打击犯罪而使用的自动鉴伪机等多种领域不可缺少的一部分。随着我国经济的飞速发展，金融犯罪活动日益猖獗，因此纸币识别与防伪技术已成为国内外学者研究的热点。纸币图像不仅包含多光谱、厚度以及磁信号等信息，还包含了丰富的纹理信息。同时，纸币本身具有的序列号可以唯一标识每张纸币，为纸币鉴伪提供了有利依据。本文重点研究了基于Contourlet变换域的纸币图像特征提取及纸币序列号识别的相关技术，并构建了一个纸币图像识别分类的系统原型。针对以往方法对低质量纸币识别率很低的问题，本文提出方法的具体研究内容如下：(1)本文提出了一种新的基于Contourlet变换的纸币图像特征提取方法。首先对预处理后的纸币图像进行Contourlet变换，把纸币图像多尺度、多方向分解，得到图像的高低频子带。然后，提取其中最能够代表系数分布规律的统计特性，并把这些统计量联合在一起共同构成纸币图像特征向量。最后使用BP神经网络分类器对纸币图像进行识别，该方法有效地克服了低质量纸币图像识别率较低的缺陷，具有高稳定性与可靠性。(2)本文提出了一种基于Contourlet变换的纸币图像序列号识别方法。首先在获取字符阶段，结合使用了先验知识、投影以及行扫描方法对序列号字符进行了预处理，实现了序列号字符的有效定位和分割。在序列号特征提取阶段，首次把Contourlet变换理论应用到纸币序列号特征提取领域中。针对纸币序列号有字母和数字两部分组成，有些字符和数字难以区分的问题，本文在用BP网络对字符识别过程中，采用了合理的逻辑判断，最终达到有效识别序列号的目的。(3)本文构建了一个纸币清分原型系统，并对该系统的软、硬件结构进行了详细的设计，对其工作原理与算法进行了详细的分析，为本文提出的基于频域的纸币图像处理方法搭建了拓展的平台。