| 中文摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 1. 绪论 | 第9-14页 |
| 1.1 课题研究的目的和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文主要研究内容 | 第12-13页 |
| 1.4 论文主要组织结构 | 第13-14页 |
| 2. 纸币图像处理和字符处理 | 第14-27页 |
| 2.1 图像的采集 | 第14-16页 |
| 2.2 图像去噪 | 第16-18页 |
| 2.2.1 均值滤波 | 第17页 |
| 2.2.2 中值滤波 | 第17-18页 |
| 2.2.3 改进中值滤波 | 第18页 |
| 2.3 倾斜校正 | 第18-20页 |
| 2.4 图像分割 | 第20-21页 |
| 2.5 字符串定位 | 第21页 |
| 2.6 图像的二值化分割 | 第21-23页 |
| 2.6.1 局部阈值的二值化算法 | 第22页 |
| 2.6.2 全局阈值的二值化算法 | 第22-23页 |
| 2.7 基于直方图的图像分割方法 | 第23-26页 |
| 2.7.1 阈值的确定方法 | 第23-24页 |
| 2.7.2 阈值分割的图例分析 | 第24-26页 |
| 2.7.3 人民币号码图像分割的综合实现 | 第26页 |
| 2.8 本章小结 | 第26-27页 |
| 3. 人民币面额识别 | 第27-39页 |
| 3.1 基于颜色特征、纹理特征的人民币面额识别 | 第27-28页 |
| 3.1.1 纸币彩色图像特征 | 第27页 |
| 3.1.2 纸币纹理特征提取 | 第27-28页 |
| 3.2 基于OCR的人民币面额识别 | 第28-29页 |
| 3.3 基于人民币长宽比的面额识别算法 | 第29-34页 |
| 3.3.1 主色调识别 | 第29-30页 |
| 3.3.2 基于中值滤波的特征部位（左下角）的图像识别 | 第30-32页 |
| 3.3.3 基于中值滤波的特征数字（中间部位）的识别 | 第32-34页 |
| 3.4 基于图像灰度的模板匹配方法 | 第34-37页 |
| 3.5 面额识别算法综合流程 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 4. 改进的基于特征的OCR人民币面额识别算法 | 第39-44页 |
| 4.1 模板匹配法 | 第39-40页 |
| 4.1.1 纸币特征块 | 第39页 |
| 4.1.2 模板匹配法原理 | 第39-40页 |
| 4.1.3 一维灰度投影匹配法 | 第40页 |
| 4.2 改进的基于特征的OCR技术人民币面额识别算法 | 第40-41页 |
| 4.3 改进的基于特征的OCR人民币面额识别算法流程 | 第41页 |
| 4.4 面额识别过程 | 第41-42页 |
| 4.5 识别算法改进 | 第42-43页 |
| 4.6 本章小结 | 第43-44页 |
| 5. MATLAB仿真实例分析 | 第44-52页 |
| 5.1 MTALAB仿真介绍 | 第44页 |
| 5.2 MTATLAB仿真实验过程 | 第44-51页 |
| 5.2.1 基于图像特征和边缘检测的人民币识别仿真 | 第44-50页 |
| 5.2.2 新版人民币MATLAB仿真 | 第50-51页 |
| 5.3 MATLAB仿真实验分析 | 第51页 |
| 5.4 本章小结 | 第51-52页 |
| 6. 结论 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 作者简介 | 第57-58页 |
