基于深度学习的验证码识别

验证码被广泛应用于网络环境中对人和计算机行为进行区分,能有效防止自动化脚本的恶意入侵。针对验证码识别问题提出基于深度神经网络的验证码特征提取和识别方法。将灰度化的验证码图像直接作为输入,通过构建7层卷积神经网络对字符由低级到高级的特征表达,并选取Relu函数为非线性激励函数,对验证码图片进行字符特征提取与验证码的识别。采用人工智能深度学习框架Tensorflow对卷积神经网络模型进行训练,通过验证码数据集进行测试。测试结果表明,该模型能有效识别不同复杂程度的验证码,并具有较好的鲁棒性与泛化能力。     

优化卷积神经网络在复杂验证码图片识别中的应用

常规方法预处理验证码图片时,往往容易忽略边缘离散噪声点的去噪处理,造成预处理后图像峰值信噪比、结构相似度较低。为了解决上述问题,提出优化卷积神经网络在复杂验证码图片识别中的应用。转化原始图片为灰度图像,利用高斯平滑和二值图像逻辑运算,分别去噪正态分布噪声点和边缘离散噪声点,分割预处理后的图片,提取图片字符特征向量,统一标注后输入优化卷积神经网络,优化网络权值和变换参数,通过迭代训练,输出识别的图片字符信息。抽取复杂验证码图片,设置对比实验,结果表明设计方法相比常规方法,预处理后图像峰值信噪比分别提高了8.4 dB、13.5 dB、14.9 dB,结构相似度分别提高了3.8百分点、8.1百分点、12.8百分点,优化了图像去噪效果,降低了图片识别过程复杂程度。     

基于卷积神经网络的验证码识别

针对传统验证码识别受字符分割限制的问题,将卷积神经网络应用到验证码的特征分析和识别中。使用验证码图像整体作为输入,对传统的LeNet-5的网络结构进行改进,构建一种端到端的卷积神经网络对图像由低级到高级逐层提取图像特征,选取ReLU作为激活函数,实现对验证码的识别。实验过程中设置对照组,研究不同因素对识别准确率的影响。测试结果显示,该模型能够进行端到端的识别,避免了字符分割方法流程过多导致的不足,在测试集上达到99%的识别率。结果表明训练次数的增加以及学习率的优化有助于提高卷积神经网络的准确率。     

基于神经网络的数字验证码识别研究

验证码是网络上普遍采用的一种用于真人交互证明的有效方法.对验证码识别的研究有助于解决硬人工智能问题,促进人工智能领域的进步.现有的研究多是针对一种验证码,通过多种方法进行识别.这类方法对先验知识的依赖很大,识别方法对其他验证码不一定有效,或者需要大量调整来适应新的验证码.为了研究验证码识别算法的适应性问题,通过选取多个具有代表性的网站的验证码图像,基于分割法和Hopfield神经网络进行分析和试验,取得了较好的试验结果.试验结果表明:利用字符图像灰度信息和Hopfield网络可以有效的对可分割的验证码进行分类识别,算法有一定的适应性,并且仅需字符图像的灰度信息既可适应新的验证码,对先验知识的依赖少.     

字符验证码识别技术的研究

研究基于字符的验证码,即采用一连串的数字或字符随机产生一定长度的字符组合,再加上不同程度的干扰信息,最终生成一幅图片。只有用户正确的判别出里面的内容,才有资格使用该网站提供的某项特定功能。通过对当前验证码自动识别技术的深入研究,充分发现当前的验证码识别系统的不足之处,提出了完善的改进思路和方法,提高了验证码识别的难度和识别的效率,从而更好的维护网络安全。重点研究了用于字符识别的BP神经网络、卷积神经网络,具有一定的理论和实际价值。     

一种简单的基于字符形状的验证码识别技术

针对传统的基于模板匹配和字符结构的验证码识别技术对字符大小、倾斜等因素非常敏感,提出了一种基于字符形状特征的验证码识别方法,该方法是模拟人眼通过事物形状特征来识别事物.通过相应算法提取字符特征,然后根据字符所满足的一系列特征来判断是哪一个字符.与传统识别方法相比,该方法具有不受字符大小、倾斜等因素影响的优点.实验结果表明,基于字符形状特征的验证码识别方法可以避开传统方法的部分弊端,同时具有良好的识别效果.     

利用旋转归一化和粗匹配算法破解验证码

验证码是一种能够区分计算机程序和人类的图灵测试．提出了一种使用粗匹配序贯相似性检测算法来破解字符有旋转、非扭曲、无粘连的验证码的方法．通过对旋转字符的旋转角度归一化减少了模板的数量,使用粗匹配算法降低了单个模板匹配所用的时间,从而在速度和准确率方面有了很大提高．以网上的验证码为例,介绍了破解的4个阶段: 图像的预处理、提取字符、旋转字符和识别字符．实验结果表明,使用基于粗匹配的序贯相似性检测匹配算法,验证码破解成功率可以达到85％,平均破解一张验证码图片所需的时间为3.5s,远优于同类算法．     

基于模糊聚类与RBF网络集成分类器的验证码识别

针对粘连字符验证码识别率低的问题,提出了一种基于模糊聚类和径向基神经网络的动态集成分类器.该分类器采用分割和识别反馈动态结合的思想,首先通过模糊聚类算法对字符进行特征提取,将其作为RBF神经网络的输入,然后网络依据识别置信度和字符特征隶属度进行特征节点的动态选择,最后通过实验进行了算法有效性和识别率的验证.与其他算法的对比实验进一步表明,该方法体现了整体优先,细节补偿的思想,能够充分利用训练样本集的信息,改进了低质量字符识别率不高的问题.     

验证码的识别与改进

针对因特网安全防范中验证码的普遍使用,讨论了验证码的功能原理、常用的识别方法,选取了部分网站干扰不同的验证码进行了分割、识别实验.结果表明：互联网上有相当多的验证码不能有效地保证系统的安全.提出一种验证码的改进方法,该方法程序简单,产生的新验证码可以提高识别难度和降低破解的准确率,具有一定的推广价值.最后给出了验证码设计的建议.     

基于字符型验证码破解算法研究

验证码主要用于人机区分,在人机交互领域具有广泛的应用前景.对验证码破解算法的研究,可以实现验证码自动识别显示,使网络信息录入更加方便快捷;同时也可以防止验证码被暴力破解,减少验证码的生成漏洞.本文简要介绍了基于人工神经网络的字符识别方法,分析了验证码破解过程,对基于数字图像处理的相关算法和基本的验证码分割算法进行了分析,并提出了基于上下连通域字符分割法,提高了验证码破解的准确率和效率.     

一种边缘二进制码的表情识别方法

针对如何从图像中提取有效的表情特征来提高表情识别率的问题,提出了一种基于边缘二进制码的表情特征提取方法,用于表情识别.该方法首先对图像进行边缘检测,然后对边缘的局部结构进行二进制码描述作为表情特征,最后利用支持向量机进行表情分类.在JAFFE人脸表情数据库上,分别用该方法和传统的方法进行试验,结果表明,该方法可显著提高表情识别率.     

一种基于链码向量的图像匹配算法

基于特征的图像匹配算法被广泛应用于图像处理和模式识别领域中,图像特征提取以及采用的匹配算法并直接决定图像匹配的效果。为了尽可能准确的实现图像匹配,提出了一种基于链码向量的边缘特征匹配算法。首先通过改进的Laplace边缘检测算子提取图像中的边缘信息,提高了边缘检测的可靠性;然后,将提取到的边缘信息由边界链码描述,并将边界链码构造成向量,利用数学向量相似度原则进行图像匹配。实验结果表明,该匹配算法简单快速,匹配准确率高,具有较高的实用价值。     

Data Matrix码识别技术研究

二维条码本身具有高容量、高密度、纠错能力强、安全强度高等特点,使得二维条码作为信息的载体在信息自动化领域发挥着越来越重要的作用。该文提出了一种基于手机应用平台的DM码识别方案,并对图像识别过程进行了优化。     

基于Directshow的视频抓图在车牌识别系统中的应用

介绍了Directshow的基本原理和运动目标的检测方法,然后针对车牌识别中背景的不固定性提出了如何利用背景重建和背景差分法检测视频流中的运动车辆的方法.最后给出了基于Directshow的视频抓图在车牌识别系统中的具体实现方案和代码,为下一步进行车牌识别奠定了基础.     

一种识别无限制手写体数字的方法

对无限制手写体数字的两大特点──畸变性和旋转性，提出了一种链匹配识别算法。全面描述了边界的拓扑结构（基元），根据形成输入字符图像的一维链码与参照链的匹配结果进行识别。压缩了原始图像信息，提高了处理速度，同时也达到了较高的识别率。     

血细胞显微图像的特征提取

利用图像处理与模式识别技术,对血细胞显微图像进行自动分析识别,与传统人工分析方式相比,既提高了工作效率,又增强了分析的客观性,而图像识别结果与图像特征参数的提取有直接关系。主要研究如何计算经过二值化以后的血细胞显微图像的各种特征值。基于MATLAB的强大矩阵处理能力,采用矩阵方法表达目标,设计了一种高效计算血细胞的灰度密度、细胞长轴和短轴的算法,在MATLAB环境下编程实现,并由此进一步计算细胞的偏心率、圆形性等其它特征参数。与使用链码方法表达目标的传统算法相比,使用矩阵表达方法更加简便直观,算法抗干扰能力更强,可靠性高,从而大大提高了对血细胞显微图像的识别质量。     

一种新的二维条码图像二值化算法

根据Kittler算法和Bernsen算法提出一种新的二值化算法,该算法能够保证二维条码对实时性和效果的要求.以Data Matrix二维条码为例,首先根据Kittler算法找到图像发生光照不均的区域,然后改进Bernsen算法的处理过程、调整参数、削弱原算法的伪影问题,并用改进后的算法处理图像光照不均的部分.实验结果表明该算法具有良好的稳定性和自适应性,可以明显提高二维条码的二值化效果和识别率.     

相位相关算法在条形码识别中的应用

将基于傅立叶变换的相位相关算法应用到条形码的识别中,是一种应用很广泛的图像匹配方法.通过用Matlabe仿真软件对算法进行分析仿真, 证明本文提出的算法具有实时性好、性能高等优点.同时为了提高匹配精度和减少计算量,对旋转不变相位相关算法进行了优化和改进.     

虹膜识别算法的研究

虹膜识别是一种非常可靠的身份鉴别方法.在讨论虹膜图像定位、增强等预处理方法的基础上,针对现有虹膜识别算法中存在的问题,提出了虹膜有效区域选择、特征提取及编码匹配的有效方法.在虹膜图像有效区域的选择上,根据虹膜图像自身的生物特点采用一种新的分割方法,使得到的图像纹理信息更充足;在图像的特征提取方面,采用Gabor小波变换,将频率分为2个频段,不同的频段选择不同Gabor尺度参数,并选择适当的位置参数;为解决虹膜图像的旋转对虹膜识别的影响,将获得的虹膜编码进行错位匹配.实验结果表明,所提出的虹膜识别算法效果较好.     

基于特征抽取和模式识别的工件智能检测系统

以工件为对象，研究开发了适合于工业应用的视觉算法，在图像的预处理，特征抽取和识别等方面做了深入探讨。重点介绍了形状分析和形状特征抽取算法。链码分析和傅立叶描绘子相结合是本文一大特色。理论分析和实验表明本方法是一种有效快速的高精度图像边界频谱特征的抽取方法。