两种文本类型验证码字符分割提取方法

作为区分人机操作的一种有效方法,验证码图片被广泛使用.通过对验证码图片识别技术的研究,可以及时发现和改善验证码漏洞.识别混合字符型文本类型验证码的关键是提取验证码图像中的单个字符.介绍验证码识别的一般过程,给出基于颜色提取单个字符和基于支持向量机分割为单个字符的两种单个字符提取方法,通过实例给出了详细步骤.     

一种通用的基于图像分割的验证码识别方法

针对粘连、扭曲,且存在干扰噪声的验证码图像识别性能欠佳的问题,结合卷积神经网络提出一种通用的基于图像分割的验证码字符识别方法。首先对传统Otsu阈值分割算法的阈值选取策略进行改进,提出基于局部最优阈值分割的Otsu法对验证码图像进行二值化处理。其次,采用改进的融合字符积分投影特性的复杂验证码字符分割方法对存在粘连情况的字符进行二次分割。最后,将分割得到的单个字符归一化后直接输入到基于卷积神经网络的LeNet-5模型中进行训练和识别,并输出识别结果。大量网站验证码图像的实验测试结果表明,提出的方法对粘连、扭曲,且存在干扰噪声的字符验证码图像有着较高的识别率和适应性,有效克服经典方法对于不同种类验证码识别的针对性和局限性。     

验证码的模糊识别

本文主要对图片具有干扰背景,字体变形,位置不定较为复杂的验证码识别方法进行讨论,给出了验证码识别的步骤,重点描述了图像去噪和字符提取的方法,并以国内某大型网站的验证码为例进行实验,证明了方法的可靠性。     

基于Attention的卷积神经网络验证码识别研究

验证码字符识别技术作为数字图像处理的一个重要应用分支,其目的在于准确、快速地分析验证码所携带的字符内容.已有研究通过构建卷积神经网络进行验证码字符识别,并且取得了一定的效果;但是大部分研究使用特征的浅层信息作为模型的输入,受局部感受野的限制而丢失特征,未能充分分析验证码的深层特征信息,并且未能对特征进行充分融合,造成识别准确度还有一定提升空间.提出了一种基于注意力机制的卷积神经网络模型,首先采用Otsu算法对验证码进行预处理后,输入到VGG16模型提取验证码的特征;然后引入注意力机制,自动学习关键信息,得到不同特征的权重;最后基于卷积神经网络进行特征融合,通过训练后得到验证码识别模型.提出的模型在调用Captcha库生成的验证码数据集上进行验证,结果显示提出的方法在不增加时间成本的情况下,验证码识别准确率平均可达到93.27%,对比ResNet、CNN和CNN7基线方法,分别提升了8%、10%和22%.因此,提升了验证码识别的准确率,促进了自动识别车牌等场景落地,推进了验证码识别技术的发展.     

利用多种投票策略的水表读数字符分割与识别

基于安卓平台提出了一种对水表图像读数进行自动识别的新方法。水表读数字符分割和识别算法主要包括三部分:(1)利用霍夫变换和一种投票策略检测出水表的外部轮廓,然后基于模板影像和水表中四个红色指针位置,利用仿射变换技术对水表字符区域进行定位;(2)对图像进行预处理和连通区检测,提出一种基于投票策略的方法进行字符分割;(3)在考虑数字字符可能出现粘连噪声和缺失的情况下,使用改进的Tesseract OCR识别引擎对字符进行识别。最终通过NDK编译平台将实现的C++程序移植到Android环境中。经过对100组数据进行系统功能测试,结果表明,水表智能识别系统取得了一定效果,能对水表读数进行比较准确和快速的读取。     

基于多元统计分析和机器学习的验证码识别

针对带有噪声点与粘连的验证码图像,使用DBSCAN聚类与竖直投影法做去噪与分割处理,提出了基于AdaBoost方法的半监督Kmeans聚类算法。基于此算法对分割的单个字符图像进行了批量标注,在聚类结果的基础上使用Fisher判别、随机森林、K近邻、神经网络、支持向量机等方法进行训练并识别验证码测试数据集,比较各算法的识别效果,揭示所研究的验证码不安全的可能性.     

一种新的字符特征提取方法及其在识别中的两个应用

特征抽取是识别中的重要步骤，提取描述性强的特征能够有效提高分类器的识别效率。在提出有关概念的基础上，介绍了特征行抽取在字符过程中的两个重要应用。首先,在分类识别时可用作匹配的特征向量，通过双向匹配来识别独立的字符。其次，可在识别粘连字符时用于预测前端字符，并在提取前端字符后对预测结果进行验证，从而达到准确分割和识别粘连字符的目的。还详细描述了交互确定特征行的方法。最后根据实验数据对字符特征行的应用价值作出了评价。     

基于模板匹配的车牌字符识别算法研究

针对车牌识别中的字符识别问题,提出了一种改进的模板匹配方法,首先把字符模板根据某种特征进行粗分类,特征类似的分到同一组,识别时首先提取字符的这种特征,根据特征提取相应分组的模板进行匹配,最后给出识别结果。     

基于支持向量机的数学公式识别

数学公式识别在拍照搜题、自动阅卷和题库建设等智慧教育任务中有着广泛的应用.由于这些应用中数学公式大多以图片的形式存在,因此识别图片中的数学公式成为智慧教育领域的重要研究问题之一.数学公式结构复杂,从图片中识别数学公式远比一般的光学符号识别要复杂得多.将公式识别分为字符分割、符号识别和公式重组这3个步骤:首先,综合运用投影和连通域方法将字符从图片中分割出来;其次,基于单个字符的区域像素数占总像素比例提取字符特征,建立监督学习模型识别字符;最后,利用每个字符在公式中出现的位置对数学公式进行重组.真实数据集上的实验结果表明,本文提出的数学公式识别方法准确率高达98.0%.     

一种基于端对端深度卷积神经网络的验证码识别方法

传统验证码识别方法对不同类型的验证码泛化能力和鲁棒性较差。为此,提出一种基于深度卷积神经网络的端对端验证码识别方法。首先,通过并行级联的卷积层构建简易Inception模块,替代Google-net的卷积层,在降低调整参数数量的同时,提高网络对于不同感受野尺度的适应性。同时,采用全局平均池化层替换原全连接层以防止过拟合,提高网络学习效率。其次,在训练过程中,直接利用深度网络的学习能力自动提取和识别验证码图像的字符特征信息,无须对验证码图像进行预分割,可以有效避免因字符分割引起的误差累积问题。通过对谷歌验证码、正方教务系统验证码和京东验证码的测试,结果表明本方法具有更好的泛化能力和鲁棒性,对三类验证码的识别率分别达到96.3%、98.9%和99%,比经典卷积神经网络分别提高3.14%、2.75%和1.14%。     

一种有效的水表数字图像二次识别算法

针对远程水表抄表系统中的水表数字识别问题,提出一种有效的水表数字图像二次识别算法.在识别之前,先对水表图像进行前期处理以获得单个字符图像.基于模板匹配的思想,该算法首先将待识别字符与模板只进行有效信息区比较,得到一次识别匹配系数;然后进行基于数字字符特征的匹配,得到二次识别匹配系数,最后取2次匹配系数之和最大者为最佳匹配.对于半字识别,在变化字长模板匹配的基础上,提出匹配权重的概念,并结合上下半字连续这个先验知识,将待识别半字图片分别与各个模板匹配,取匹配系数最大者为最佳匹配.实验结果表明,所提方法简单有效且识别率很高,获得了满意的效果.     

气象传真图图题的识别

针对目前气象传真图种类识别人工干预,执行效率低的问题,提出了一种通过识别气象传真图图题来判断传真图种类的方法.首先获取图题在整幅气象传真图中的位置,然后利用投影、轮廓切分分离粘连字符方法完成对气象传真图图题字符的分离,最后通过提取字符特征量,采用模板匹配算法完成字符识别,从而确定出气象传真图的种类.该方法实现传真图类别的自动识别,避免人工干预,自动化程度高,应用于气象传真图数字处理系统,取得较好的识别效果.     

基于OpenCV手机拍照快递单文字识别的研究

基于Open CV在Android手机上设计了快递单文字识别机制,识别内容主要分为电话和姓名识别.手机拍摄快递单后,在屏幕上画出两个矩形框,根据矩形框的周长面积特征,判定电话和姓名区域并提取这两部分图片;对这两个图片进行灰度化、二值化、形态学处理,再进行字符分割、归一化处理.为了提高数字分割速度提出一种基于轮廓检测的分割方法.根据数字和汉字的不同特征选取不同的识别方法进行字符识别.     

用于自动导引车辆的数字工位实时识别系统设计

开发了用于自动导引车辆的数字工位视觉识别系统.根据路面区域、导航线区域和数字工位区域的不同颜色特征,以彩色图像中的R分量(红色分量)为处理对象,利用红色分量在每一副采集图片的像素分布中寻找字符可能出现的区域;根据HIS颜色空间特征参数饱和度S和色调H,提取数字工位;快速校正后,利用字符的整体结构特征进行数字初步分类,优化字符特征区域的确定及统计办法,在改进的特征统计基础上进行数字的再辨识.现场实验表明,该系统可获得较好的识别效果(正确率达到98%),字符提取耗时16 ms,校正、识别总耗时47 ms,满足车辆数字工位识别实时性、准确性、鲁棒性的要求.     

东巴象形文字特征部件的自动计算与提取算法

在形状匹配领域中,部件表示法是一种应用十分广泛的方法,它能够有效提高形状识别算法的健壮性,并且在形状分类理论中也发挥着重要作用.因此,深入分析东巴象形文字的图画特征,结合形状匹配领域中的部件表示法,给出了适用于东巴象形文字特征部件的自动计算及提取算法.该算法通过双分辨率采样使得到的特征部件既具有完整性且相互独立,又保留了文字较多的局部细节特征,并且只需少量样本就能准确计算同类字符的特征部件数量.该算法具有良好的尺度、平移和旋转不变性,并且在输入字符存在局部几何扭曲或较多噪音点时也具有较好的鲁棒性.与传统的形状局部特征曲线提取算法相比,该算法对特征部件的提取,以及字符所包含的部件数量计算都是自动完成的,不需要过多的人为干预,从而为东巴文字的相似性比较、检索和识别研究奠定基础,同时也为其他象形文字的研究提供技术参考.     

数字图像的不变特性与特征提取

讨论了两种字符特征向量的提取方法．一种是基于平移、旋转和尺度不变性的图像变换法,另一种是强调字符形状和结构的方向特征量提取法．比较试验的结果表明,通过计算字符图像中心矩的图像变换法具有比较稳定的特征值,有利于机器识别．实验中通过最小距离法进行字符的分类识别,识别率达到80％以上,可用于实时性要求较高的车辆牌照字符识别系统．     

数字图像的不变特笥与特征提取

讨论了两种字符特征向量的提取方法,一种是基于平移,旋转和尺度不变性的图像变换法,另一种是强调字符形状和结构的方向特征量提取法,比较试验的结果表明,通过计算字符图像中心矩的图像变换法具有比较稳定的特征值,有利于机器识别,实验中通过最小距离法进行字符的分类识别,识别率达到80％以上,可用于实时性要求较高的车辆牌照字符识别系统。     

基于笔画分析和背景细化的粘连手写汉字切分

离线手写汉字的切分是识别的前提，其中粘连手写汉字的切分最为困难。提出一种基于笔画分析和背景细化的粘连手写汉字的切分新方法。对粘连字符图像作细化处理，检测端点、叉点和角点等特征点，根据特征点提取笔段。按笔段的长度、相互之间的位置关系以及投影信息确定切分点。细化粘连字符的背景图像，从切分点出发在细化的背景中选取分割路径，实现粘连手写汉字的切分。实验表明，本方法对于粘连手写汉字具有令人满意的切分效果。     

基于SVM的字符验证码识别研究

验证码广泛应用在互联网各个领域,也称为互联网安全防火墙,本质上验证码是为了区分人与机器人,防止网络机器人的攻击.然而随着OCR技术的发展,验证码暴露出来的安全问题也非常严峻.以高校系统中的字符型验证码作为研究对象,对验证码进行二值化,去噪,分割等操作,采用SVM支持向量机的方式对数字验证码进行识别.实验结果表明,当训练集到达一定数量时,对字符验证码具有较好的识别率.     

铝轮毂背腔字符的多模板匹配分割

从实际工业生产的角度出发,针对铝轮毂背腔字符难以采集,字符背景噪声较大,字符较小等问题,本文提出了一种基于多模板匹配的快速字符提取方法,解决了铝轮毂背腔字符提取困难的问题。首先,采集铸造模板中的标准字符建立模板库;其次,在原有的模板匹配方法的基础上加以改进,既保留了模板匹配快速查找目标的优点又引入多个不同的模板,使其能够同时查找多个目标;然后,对局部区域进行精匹配并且对每个模板做优势评估,以此来进一步优化改进后的字符提取方法;最后,将本文提出的方法与感知哈希方法进行比对,实验证明:本文方法优于感知哈希算法,能够取得很好的字符提取效果。