随着假冒伪劣产品的泛滥和仿冒技术的提高,传统的防伪手段受到了严重的冲击。国家防伪中心结合实际问题,研制出了一种激光全息加密的新型防伪技术,该技术通过模压或熨烫的方法,将经过浮雕加密的图案或者文字压印在全息镀铝层或塑料基底上,只有在相干光的照射下才能观察到相应的图案。这些经过相干光照射而显现的文字图案就是激光再现防伪文字图像。虽然文字识别方面的研究一直层出不穷,但是针对特定形式的激光再现文字的识别问题却鲜有人涉及。本文将研究卷积神经网络在激光再现文字识别中的应用,并探讨如何提高该类文字图案的识别率。本文首先依据样本采集过程中再现图像衍射效率低、零级对一级图像干扰大、光斑噪声多、成像不稳定、样本数量有限等特点,对激光再现文本采样图像进行了大量的预处理,主要包括灰度化、形态学处理、二值化和区域裁剪分割等;其次,将卷积神经网络CNN应用于激光再现文字识别中,重点分析了网络深度、卷积核大小、卷积核数量、激励函数类型对识别率的影响,并获取到了一个最优的网络参数模型。为了进一步验证卷积神经网络算法在激光再现文字识别研究中的普适性,本文又在字母类图像进行了进一步实验,同时又采用了传统的模板匹配法进行了对比实验。实验结果表明,卷积神经网络算法相比于传统的模板匹配法有较大的优势,传统的模板匹配法由于无法准确地提取到样本的局部特征,其识别效果有赖于预处理的效果和模板选取的好坏。相比较而言,卷积神经网络有更高的识别率和更好的适用性,在激光再现文字识别这一问题上有较好的适用性。最后,基于卷积神经网络参数模型和模板匹配法,本文分别在Matlab平台和Android平台上,设计和实现了一个激光再现防伪文字识别系统;系统操作简洁,人机交互性好,实用性较强。