通用验证码识别方法研究

摘要

随着互联网技术的快速发展，网络安全成为一个面临严峻形势的问题。验证码识别技术可以及时发现和改善验证码生成程序的漏洞，防止自动化程序恶意攻击，增强网络信息的安全性。但现有的验证码识别技术大都针对一种类型的验证码运用多种分类方法进行识别研究，且对存在粘连、扭曲的验证码的识别率并不理想。　　本文针对粘连、扭曲，且存在干扰噪声的验证码图像识别性能欠佳的问题，提出基于卷积神经网络框架的验证码字符识别方法，并对图像的预处理过程提出改进方法。大量网站验证码图像的实验测试结果表明，本文提出的方法有着较高的识别率和适应性，可以有效克服传统方法对不同种类验证码识别的针对性和局限性。本文的主要工作和成果如下：　　1.对基于支持向量机、BP神经网络和卷积神经网络的验证码识别算法的性能进行分析与比较。　　2.对彩色验证码图像的二值化分割理论进行了研究，并对传统OTSU阈值分割算法的阈值选取策略进行改进，提出一种改进的基于局部最优阈值分割的OTSU法，不但降低了时间复杂度，提高了运算性能，而且改善了二值化图像分割的质量。　　3.提出一种改进的融合字符投影特性的复杂验证码字符分割方法，与传统的投影法和连通域法相比，该方法可以更加有效地解决存在粘连情况的字符分割问题。　　4.在LeNet-5网络模型的基础上构建用于验证码识别的卷积神经网络，并结合以上改进策略，对验证码字符进行训练和识别。通过与基于SVM和B P网络的字符识别方法比较，本文方法表现出更好的识别率和鲁棒性，不但能够普遍适用于部分存在粘连、扭曲的验证码字符识别，并且有助于提高验证码识别系统的运算速度和性能。

目录

第一个书签之前