纸币图像识别技术是近几年模式识别领域一个较为活跃的课题，并且在金融器具中有着广泛的应用。纸币清分机是一种机电一体化的金融器具，具有很大的市场潜力，而它的主要功能是识别纸币的面值和面向。本文在查阅和研究前人研究文献的基础上，针对纸币图像的灰度特点，对纸币的面向识别方法进行了研究分析。本文对于采集到的纸币图像首先进行了预处理，包括去噪、亮度补偿、边缘检测和倾斜校正。边缘检测过程中，利用离散点进行直线拟合，不仅可以得到纸币的边缘，还可以计算出纸币的中心点和倾斜角度，然后将纸币图像旋转校正，使图像位置归一化。预处理完成之后，根据纸币图像灰度分布特点，对以中心点为基准的固定区域进行网格划分，得到网格灰度特征，这种特征提取方法不仅可以得到纸币的主要图像信息，而且对于面向识别有很好的通用性。利用尺寸识别算法完成对纸币尺寸的测量，从而确定纸币的面额。在面额得到识别的基础上，根据提取的网格特征使用BP网络和模板匹配对纸币面向进行识别。相对于传统的利用人工特征提取进行面向识别，BP网络和模板匹配更具有通用性，而且BP网络并行处理和泛化能力比较强，能够识别有轻微噪声和污损的纸币，表现出很好的鲁棒性；模板匹配方法简单，抗干扰能力强，易于硬件实现。利用传感器扫描的纸币图像进行识别仿真实验，在允许出现少量拒识现象发生的前提下，本文的两种面向识别方法正确识别率均在99%以上，对于自动售货系统、金融自动化分拣系统及票据识别系统具有较好的参考价值。