隨著科學技術的不斷發展，計算機應用領域的不斷開拓，一種全新的圖像處理方法應運而生，這就是數字圖像處理技術，即利用計算機設備將圖像轉變成數字信息來進行保存、處理、傳輸和重現。數字圖像識別技術則是從數字圖像處理技術中延伸出來的一個重要的研究方向。目前，數字圖像處理與識別的應用范圍越來越廣。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、物力從事數字圖像處理與識別的理論和應用的研究。

　　本文將從當前數字圖像識別的熱點問題“紙幣識別”和“人臉識別”著手，來探討數字圖像處理與識別系統的開發。

　　論文首先簡單介紹了圖像處理的發展，數字圖像處理方法的分類以及數字圖像處理系統的基本部件，并介紹了作者開發的數字圖像處理與／Y，／94系統的主要功能及模塊。第二章至第四章則對系統中的三個模塊“數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，作者簡單總結了該系統中用到的一些數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”當中，作者采用了SN—tuple神經網絡的方法進行識別，探討了網絡參數的變化對識別率的影響，并用VC++進gS-實現。

　　在第四章“殘損紙幣識剮”中，作者選擇了邊緣檢測、Fisher判別和神經網絡三種方法進行識別。并進行了比較。其中，邊緣檢測需要區分紙幣的面值和正反，之后方可識別，但性能較為穩定，識別效果較好；Fi sher判別無需區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：神經網絡方法也可不區分紙幣的面值與正反，但識別率較低，若區分面值與正反，則可獲得較高的識別率。

　　最后，對該數字圖像識別系統的各部分性能加以分析和總結，該系統采用Vi sual c++實現，部分算法的性能則結合Matlab來測試。