隨著科學(xué)技術(shù)的不斷發(fā)展，計(jì)算機(jī)應(yīng)用領(lǐng)域的不斷開(kāi)拓，一種全新的圖像處理方法應(yīng)運(yùn)而生，這就是數(shù)字圖像處理技術(shù)，即利用計(jì)算機(jī)設(shè)備將圖像轉(zhuǎn)變成數(shù)字信息來(lái)進(jìn)行保存、處理、傳輸和重現(xiàn)。數(shù)字圖像識(shí)別技術(shù)則是從數(shù)字圖像處理技術(shù)中延伸出來(lái)的一個(gè)重要的研究方向。目前，數(shù)字圖像處理與識(shí)別的應(yīng)用范圍越來(lái)越廣。但就目前的水平而言，計(jì)算機(jī)對(duì)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(shí)別的理論和應(yīng)用的研究。

　　本文將從當(dāng)前數(shù)字圖像識(shí)別的熱點(diǎn)問(wèn)題“紙幣識(shí)別”和“人臉識(shí)別”著手，來(lái)探討數(shù)字圖像處理與識(shí)別系統(tǒng)的開(kāi)發(fā)。

　　論文首先簡(jiǎn)單介紹了圖像處理的發(fā)展，數(shù)字圖像處理方法的分類(lèi)以及數(shù)字圖像處理系統(tǒng)的基本部件，并介紹了作者開(kāi)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(duì)系統(tǒng)中的三個(gè)模塊“數(shù)字圖像處理的基本方法”、“人臉識(shí)別”及“殘損紙幣識(shí)別”進(jìn)行詳細(xì)敘述。

　　在第二章中，作者簡(jiǎn)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(qiáng)與圖像檢測(cè)兩部分。

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

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

　　最后，對(duì)該數(shù)字圖像識(shí)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(shí)現(xiàn)，部分算法的性能則結(jié)合Matlab來(lái)測(cè)試。