基于流水模型二值化的復(fù)雜驗證碼識別研究.pdf

1、本文根據(jù)目前字符驗證碼的發(fā)展現(xiàn)狀，對驗證碼識別技術(shù)進行了研究和探索。詳細介紹了驗證碼識別過程中各個步驟所使用算法，總結(jié)了它們的優(yōu)勢與不足，對驗證碼識別的技術(shù)難點進行了分析。
　　 二值化做為識別預(yù)處理步驟之一，用于簡化和提取字符信息，包括全局閾值法和局部閾值法。準確提取字符是正確識別的基本前提，由于驗證碼圖像的特殊性，其常包含復(fù)雜背景信息，使Otsu、Niblack等經(jīng)典二值化算法得不到預(yù)期效果，從而嚴重影響了識別正確率。基于流

2、水模型的二值化算法屬于局部閾值算法，能夠從特定圖像準確提取前景信息，但需要在處理每張圖像時以實驗方式確定降水次數(shù)，該不足使其無法應(yīng)用于驗證碼識別，為獲得其二值效果，本文對該算法進行了研究和改進，并成功將其應(yīng)用于驗證碼圖像二值化，有效的提高了識別正確率。
　　 本文主要工作如下：一、通過引入邊界信息和筆畫寬度，改變了原有算法的降水方式和單次降水量，使算法在固定降水次數(shù)的條件下對不同圖像具有自適應(yīng)性，能夠提取到全部字符區(qū)域，并幾乎不

3、含噪聲。產(chǎn)生的弊端是會產(chǎn)生字符缺損的現(xiàn)象。二、為解決字符缺損對識別的影響，本文借鑒Niblack局部閾值法的思想對算法進一步改進，獲得了其在字符及附近區(qū)域能夠準確提取目標信息的優(yōu)點，從而取得良好的二值化效果和對多種圖像的適應(yīng)性，文中將改進后算法命名為基于流水模型的目標區(qū)域閾值法。三、使用Otsu、Niblack和基于流水模型的目標區(qū)域閾值法對三種不同類型的驗證碼進行實驗，識別階段分別選擇了Bp神經(jīng)網(wǎng)絡(luò)和形狀上下文理論進行字符識別，結(jié)果證