隨著科學(xué)技術(shù)的不斷發(fā)展，計算機應(yīng)用領(lǐng)域的不斷開拓，一種全新的圖像處理方法應(yīng)運而生，這就是數(shù)字圖像處理技術(shù)，即利用計算機設(shè)備將圖像轉(zhuǎn)變成數(shù)字信息來進行保存、處理、傳輸和重現(xiàn)。數(shù)字圖像識別技術(shù)則是從數(shù)字圖像處理技術(shù)中延伸出來的一個重要的研究方向。目前，數(shù)字圖像處理與識別的應(yīng)用范圍越來越廣。但就目前的水平而言，計算機對外部的感知能力還比較薄弱，還需要投入大量人力、物力從事數(shù)字圖像處理與識別的理論和應(yīng)用的研究。

　　本文將從當(dāng)前數(shù)字圖像識別的熱點問題“紙幣識別”和“人臉識別”著手，來探討數(shù)字圖像處理與識別系統(tǒng)的開發(fā)。

　　論文首先簡單介紹了圖像處理的發(fā)展，數(shù)字圖像處理方法的分類以及數(shù)字圖像處理系統(tǒng)的基本部件，并介紹了作者開發(fā)的數(shù)字圖像處理與／Y，／94系統(tǒng)的主要功能及模塊。第二章至第四章則對系統(tǒng)中的三個模塊“數(shù)字圖像處理的基本方法”、“人臉識別”及“殘損紙幣識別”進行詳細敘述。

　　在第二章中，作者簡單總結(jié)了該系統(tǒng)中用到的一些數(shù)字圖像處理的基本方法，包括圖像增強與圖像檢測兩部分。

　　在第三章“人臉識別”當(dāng)中，作者采用了SN—tuple神經(jīng)網(wǎng)絡(luò)的方法進行識別，探討了網(wǎng)絡(luò)參數(shù)的變化對識別率的影響，并用VC++進gS-實現(xiàn)。

　　在第四章“殘損紙幣識剮”中，作者選擇了邊緣檢測、Fisher判別和神經(jīng)網(wǎng)絡(luò)三種方法進行識別。并進行了比較。其中，邊緣檢測需要區(qū)分紙幣的面值和正反，之后方可識別，但性能較為穩(wěn)定，識別效果較好；Fi sher判別無需區(qū)分紙幣的面值和正反，但識別率受樣本選擇的影響，不同樣本，識別率有可能相差較大：神經(jīng)網(wǎng)絡(luò)方法也可不區(qū)分紙幣的面值與正反，但識別率較低，若區(qū)分面值與正反，則可獲得較高的識別率。

　　最后，對該數(shù)字圖像識別系統(tǒng)的各部分性能加以分析和總結(jié)，該系統(tǒng)采用Vi sual c++實現(xiàn)，部分算法的性能則結(jié)合Matlab來測試。