澳元多光谱图像防伪鉴定技术是纸币防伪领域研究的热点问题，关系到国家的金融安全，有重要的理论研究价值和广泛的应用背景。澳元多光谱图像包含了澳元可见光图像信息、红外光图像信息及紫外光图像信息。通过澳元多光谱图像能够可靠地对澳元进行分类，并且能够稳定的检测出传统防伪技术无法识别的假币、变造币以及不宜流通的纸币，保证流通澳元的安全性和可靠性。国内对澳元塑料币的研究还处在起步阶段，特别是澳元塑料币相比其他纸币而言有很多不同的防伪特性，传统的纸币图像鉴伪识别算法并不适用。澳元多光谱图像防伪鉴定算法面临的主要问题是：澳元多光谱图像背景复杂，色彩鲜艳，纹理丰富；流通澳元存在不同程度的新旧、磨损，污染等情况；澳元采用了塑料材料和透明视窗等多种新型防伪技术。这对我们在图像预处理、面额面向识别及真伪识别四个阶段都提出了非常高的要求。针对以上几个问题，我们首先对澳元的防伪特性进行了分析，改进了边缘检测算法；其次，本文提出了基于红外光谱图像的澳元面额、面向识别算法，该算法结合澳元所特有的透明视窗技术，以红外光谱图像为研究对象，提取透明视窗作为特征区域，完成了对澳元面额和面向的识别工作。然后，采用区域对比策略，有针对性地提出了多光谱图像特征区域选取算法，并在此基础上提出了基于灰度有效信息的改进特征，有效灰度分布的特征和基于灰度共生矩阵的澳元纹理结构特征提取算法。最后，为了提高分类能力，本文还引入了监督式的训练方法，提出了基于SVM的澳元分类算法。解决了传统纸币图像鉴伪识别算法在对澳元进行识别时抗干扰能力弱、运算工作量大和识别准确率低等问题。通过其它纸币图像鉴伪识别算法进行比较，实验结果表明本文提出的算法能更好地适应澳元的防伪特性，识别率有显著地提高，对噪声干扰具有很好的适应性，取得了很好的识别效果。
