基于流水模型二值化的復(fù)雜驗(yàn)證碼識(shí)別研究.pdf

1、本文根據(jù)目前字符驗(yàn)證碼的發(fā)展現(xiàn)狀，對(duì)驗(yàn)證碼識(shí)別技術(shù)進(jìn)行了研究和探索。詳細(xì)介紹了驗(yàn)證碼識(shí)別過程中各個(gè)步驟所使用算法，總結(jié)了它們的優(yōu)勢(shì)與不足，對(duì)驗(yàn)證碼識(shí)別的技術(shù)難點(diǎn)進(jìn)行了分析。
　　 二值化做為識(shí)別預(yù)處理步驟之一，用于簡(jiǎn)化和提取字符信息，包括全局閾值法和局部閾值法。準(zhǔn)確提取字符是正確識(shí)別的基本前提，由于驗(yàn)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(yán)重影響了識(shí)別正確率?；诹?/p>

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(zhǔn)確提取前景信息，但需要在處理每張圖像時(shí)以實(shí)驗(yàn)方式確定降水次數(shù)，該不足使其無(wú)法應(yīng)用于驗(yàn)證碼識(shí)別，為獲得其二值效果，本文對(duì)該算法進(jìn)行了研究和改進(jìn)，并成功將其應(yīng)用于驗(yàn)證碼圖像二值化，有效的提高了識(shí)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(duì)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(huì)產(chǎn)生字符缺損的現(xiàn)象。二、為解決字符缺損對(duì)識(shí)別的影響，本文借鑒Niblack局部閾值法的思想對(duì)算法進(jìn)一步改進(jìn)，獲得了其在字符及附近區(qū)域能夠準(zhǔn)確提取目標(biāo)信息的優(yōu)點(diǎn)，從而取得良好的二值化效果和對(duì)多種圖像的適應(yīng)性，文中將改進(jìn)后算法命名為基于流水模型的目標(biāo)區(qū)域閾值法。三、使用Otsu、Niblack和基于流水模型的目標(biāo)區(qū)域閾值法對(duì)三種不同類型的驗(yàn)證碼進(jìn)行實(shí)驗(yàn)，識(shí)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(jìn)行字符識(shí)別，結(jié)果證