驗證碼是用于區(qū)分移動終端是計算機還是人類的全自動程序,被廣泛應用于國內(nèi)外各大網(wǎng)站,它在一定程度上保障了互聯(lián)網(wǎng)安全,防止計算機程序暴力破解、網(wǎng)絡(luò)灌水等惡意事件的發(fā)生。為保證驗證碼的安全性和可靠性,驗證碼識別技術(shù)應運而生。目前,驗證碼形式豐富,常用的有文本驗證碼、拼圖驗證碼、滑塊驗證碼、圖像驗證碼等,本文主要針對文本驗證碼的識別展開研究。本文在驗證碼識別算法研究的第一階段與第二階段采用基于字符分割的識別模式,第三階段利用深度學習實現(xiàn)端到端的驗證碼識別。分別選取學校就業(yè)信息網(wǎng)、京東商城以及騰訊驗證碼進行識別,具體工作如下:(1)針對就業(yè)信息網(wǎng)驗證碼字符中間有陰影,使用單一的字符分割方法難以正確分割的問題,改進字符圖像分割算法,提出一種自適應調(diào)整分割的方法。首先通過連通域標記法將具有連通性的字符分割出來,基于驗證碼先驗知識,判斷分割字符數(shù)是否正確,然后結(jié)合垂直投影分割法進行分割校正,最終實現(xiàn)驗證碼字符的準確分割,相比于顏色填充法與單一字符分割法,該方法可以在不增加算法復雜性的情況下,解決字符中間有陰影難以正確分割的問題。(2)針對傳統(tǒng)圖像分割方法對字符共用筆劃驗證碼過度分割導致筆劃斷裂問題,提出改進滴水算法分割驗證碼。首先建立驗證碼細化圖像特征點,對驗證碼特征進行聚類分析,在候選區(qū)域內(nèi)確定水滴出發(fā)點,建立水滴滾動位置選擇函數(shù)。初始水滴按照提取出的重疊字符骨架滾動,水滴到達骨架末端時將繼續(xù)沿著骨架傾斜方向滴落,直到遇到字符粘連部分的邊界,水滴走過的軌跡即為粘連字符切分路徑。本文對共用筆劃字符利用該方法進行分割,由試驗結(jié)果表明,針對此類型驗證碼,改進算法相比于傳統(tǒng)滴水算法與豎直切分法分割成功率更高。將分割獲得的單個字符利用8層卷積神經(jīng)網(wǎng)絡(luò)進行預測識別,最終識別結(jié)果為4個字符序列,平均每張識別時間為0.46秒,識別正確率達到88%。(3)針對驗證碼存在扭曲、粘連、字符空心并且存在大面積陰影塊噪聲的問題,若使用先分割再識別的模式,識別結(jié)果將嚴重依賴預處理效果以及字符分割結(jié)果,所以對此類驗證碼的識別本文去掉了字符分割步驟,利用卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)驗證碼端到端識別。主要包括建立海量數(shù)據(jù)集,然后使用Keras框架建模,利用ImageNet預訓練好的XCeption模型進行遷移學習,完成驗證碼字符的26分類,該模型對驗證碼的識別率達到75%,滿足驗證碼破解的基本需求。
【學位單位】：西安電子科技大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TP391.41;TP18
【部分圖文】：

滴落規(guī)則若被分割驗證碼圖片為I，是高寬分別為N、M的二值化圖片，建立坐標系如圖4.3[45]。 水滴當前位置為(xi, yi)，T 為水滴滾動函數(shù)，則T (xi+1, yi+1) = f (xi, yi, Wi)23

第四章 改進滴水算法的粘連字符分割方法當水滴到達重疊筆畫骨架末端后繼續(xù)沿著骨架傾斜方向滴落，直到水滴到達字符粘連筆畫的邊界，改進滴水算法流程如圖4.4。圖4.4改進滴水算法4.2.1定義候選分割點(1)粘連字符區(qū)塊的提取連通域分割法將二值化后驗證碼圖像I(x,y) : {1,..., m} × {1,..., n} → {0, 1}，初步分割為幾個字符區(qū)塊Ii(x, y)(i = 1, 2 . . . N )。如圖4.5對字符塊“Y”、“N4”、“3”作垂直投影。計算連通區(qū)塊“Y”、“N4”、“3”的投影區(qū)域?qū)挾萀i(i = 1, 2 . . . N )。基于對大量京東商城粘連字符和單個字符的寬度統(tǒng)計，定義L為單個字符寬度閾值。比較單個字符塊投影區(qū)域?qū)挾扰c閾值L，如果寬度Li大于最大字符寬度L，則被認為圖4.5連通域投影直方圖是粘連字符塊，否則將被視為單個字符。圖4.5為連通域投影直方圖。通過連通域分25

連通域投影直方圖
【相似文獻】

相關(guān)期刊論文 前10條

1 朱麟;;字符分割技術(shù)的研究與應用[J];科技展望;2016年34期

2 梁永貴;林江莉;陳科;;車牌圖像中字符分割方法[J];微計算機信息;2009年34期

3 張玉林;張永華;;基于自組織映射神經(jīng)網(wǎng)絡(luò)的粘連字符分割[J];山東科技大學學報(自然科學版);2006年02期

4 顧弘;趙光宙;齊冬蓮;孫赟;張建良;;車牌識別中先驗知識的嵌入及字符分割方法[J];中國圖象圖形學報;2010年05期

5 馬瑞;楊靜宇;;一種利用灰度信息和二值信息的手寫字符分割[J];計算機工程;2007年15期

6 趙海燕,白青海,裴志利;車牌字符分割前的顏色預處理[J];內(nèi)蒙古民族大學學報(自然科學版);2004年02期

7 楊玉東;李莉;高云富;曲曉威;林琳;楊茜;白鵬輝;王瑜;;兩種文本類型驗證碼字符分割提取方法[J];北華大學學報(自然科學版);2019年01期

8 周鳳香;;一種新的表格字符分割算法的研究與實現(xiàn)[J];數(shù)字技術(shù)與應用;2016年03期

9 李文舉;姜周恩;朱正強;崔曉松;;利用反饋的車牌字符分割算法[J];計算機應用與軟件;2011年04期

10 王枚;王國宏;;基于伴生與互補顏色特征的車牌字符分割新方法[J];山東大學學報(工學版);2007年01期

相關(guān)博士學位論文 前5條

1 馬瑞;非限制手寫字符分割中相關(guān)技術(shù)與算法的研究[D];南京理工大學;2007年

2 李學勇;金屬標牌壓印凹凸字符的特征提取和識別方法研究[D];山東大學;2008年

3 陳為;基于變化方向光源的壓印立體字符分割方法的研究[D];山東大學;2013年

4 陳振學;基于特征顯著性的目標識別方法及其應用研究[D];華中科技大學;2007年

5 李波;基于圖像分析的車輛識別與跟蹤若干關(guān)鍵技術(shù)研究[D];華中科技大學;2011年

相關(guān)碩士學位論文 前10條

1 趙英彬;基于深度學習的車牌識別技術(shù)的研究與應用[D];東華大學;2019年

2 黃良俊;復雜環(huán)境下的車牌識別算法研究[D];合肥工業(yè)大學;2019年

3 翁祖輝;單指針與數(shù)字式儀表遠程讀數(shù)識別定位研究[D];電子科技大學;2019年

4 林惠;基于深度學習的芯片字符實時識別方法研究[D];華中科技大學;2019年

5 陽光;基于支持向量機和深度學習的車牌識別技術(shù)研究[D];成都理工大學;2019年

6 佘爽;對抗生成訓練樣本用于復雜環(huán)境下車牌端到端識別[D];廣東工業(yè)大學;2019年

7 宋琦悅;扭曲粘連驗證碼識別算法研究[D];西安電子科技大學;2019年

8 程舟航;端到端文本驗證碼識別[D];西安電子科技大學;2019年

9 駱俊;復雜條件下車牌識別方法的研究與實現(xiàn)[D];西南石油大學;2018年

10 阿薩（Asad Khan）;基于彩色圖像檢測的車牌自動分割與識別[D];北京郵電大學;2019年

本文編號：2858040