关于验证码识别的图像预处理研究.pdfVIP

验证码识别的预处理的研究 Myau-Tsai Pan, Software Engineering 2013,CS School of ZJUT 摘要： 随着互联网的发展，网络给人们提供了丰富的资源，与此同时，网络的安全问题也日渐突出。为了保证网络的 安全性也为了防垃圾信息，各大网站都投入了大量的人力物力来研究验证码生成技术，以提高网站的安全性和 抗攻击的能力。本文通过对本校社团联盟优秀社团投票系统的验证码识别，提出一种改进传统验证码识别预处 理中中值滤波和均值滤波的阈值优化，最后通过测试统计验证了方法的有效性和可靠性。 关键词： 验证码,灰度化, 图像去噪, 中值滤波,二值化 Abstract: With the development of the Internet, the network provides people with a wealth of resources, at the same time, network security has become more prominent. In order to ensure network security and to prevent spam, the major sites have invested a great deal of manpower and resources to study the verification code generation technology to improve site security and anti-attack ability. Through to a voting system verification code identification, the article puts forward an improved traditional verification code identification pretreatment of optimization algorithm, and finally verified by test statistics efficiency and reliability. Key words: Authentication code,Gray-scale,Image denoising, Median filtering, Thresholding 1.引言 验证码的英文CAPTCHA(Completely Automated Public Turing test to tell Computers and Humans Apart) 这个 词最早是在2000 年由卡内基梅隆大学的Luis von Ahn、Manuel Blum、Nicholas J.Hopper 以及IBM 的John Langford 所提出。是一种区分用户是计算机和人的公共全自动程序。这个问题可以由计算机生成并评判，但是必须只有 人类才能解答。由于计算机无法解答CAPTCHA 的问题，所以回答出问题的用户就可以被认为是人类。[1]常见 的验证码系统在用户访问页面时产生随机的字符串，并将各字符输出在图片上，在这张图片上加上各种干扰因 素，人类通常能识别出这些字符(而机器很难识别)，将这些字符反馈给服务器，服务器将其与已知的随机字符 串进行匹配来判断。随着人工智能的发展，简单的验证码很容易被 OCR 系统识别破解，因此现在实际使用的 大多数验证码都通过增加噪点，噪线，旋转，扭曲，粘连等形式来防止被破解。 2.开源文字识别Tesseract Tesseract 的OCR 引擎最先由HP 实验室于1985 年开始研发，至 1995 年时已经成为OCR 业内最准确的三款识 1 / 6 别引擎之一。然而，HP 不久便决定放弃 OCR 业务，Tesseract 也从从此尘封。数年以后，HP 意识到，与其将 Tesseract 束之高阁，不如贡献给开源软件业，让其重焕新生－－2005 年，Tesseract 由美国内华达州信息技术 研究所获得，并求诸于Google 对Tesseract 进行改进、消除 Bug、优化工作。在修复了最重要的数个漏洞后， Google 两个月前认为，Tes