针对复杂的纸币图像,采用马尔可夫(Markov)转移矩阵对图像像素间相关性进行建模,提取图像的纹理特征.鉴于各种面额的人民币图像整体纹理的空间分布比较相似,截取图像的特征区域,结合网格法,以每个网格内的纹理为特征识别纸币的面额.在纸币的训练样本中加入大量的无标注样本,用支持向量附近的无标注样本点调节分类超平面,提出改进的直推式支持向量机(Modified Transductive Support Vector Machine,MTSVM),加快了算法的收敛速度.以MTSVM为识别分类器进行仿真实验.实验结果表明在网格法的基础上,马尔可夫矩阵提取的纹理特征能够有效地描述图像,MTSVM可以得到更加准确的分类超平面,取得了较高的纸币面额识别率.