纸币识别是当今社会一个重要的课题,也是现代的流行的深度学习和人工智能一个重要的领域。目前,纸币的识别已经研究有很长的时间了,近年来,随着经济的发展,纸币的真伪已经影响到我们的日常生活,大部分的企业都实行了数字化和智能化,银行的纸币清分机实现了一体化的过程。但是,清分机存在着一定的准确性,易受外界因素和抗污染能力的影响。本文进行对纸币预处理过后进行鉴伪的研究和分析,进而对纸币的红外特征和真假币分类进行优化。对以前的纸币处理算法实行优化,得到了很好的识别效果。最后进行仿真试验,并对实验验证的结果进行分析。本文应用的纸币是第五版人民币鉴伪样本图像,在进行对纸币识别之前,要做好对纸币预处理工作。为了提高的纸币识别率,在对纸币的预处理过后,在纸币的增强方面进行Gabor滤波处理,得到处理的纸币图像。然后进行纸币的红外识别工作,本文使用主成分分析法(PCA)算法对纸币的鉴伪识别,实行纸币的维数降维,利用欧氏距离作为纸币之间的距离的计算,最后使用纸币的最大的距离作为真假币的判断阈值,纸币的识别率有所提高,但是假币的错判率不好。针对这样的情况,在后面的论文中利用了PCA+SVM的算法的结合,进行对SVM的核函数和惩罚因子的优化。最后处理纸币的特征量和处理的时间有所减少,其中更重要的是对SVM参数的优化后对纸币的识别率有所提高,同时假币的错判率大幅度的下降,可以在一定意义上满足市场的要求,对我国的纸币研究有着很好的借鉴作用和参考价值。