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.     

基于霍夫变换的烧结矿粒度识别研究

针对烧结矿生产时无法直接得到粒度大小和分布,人工检测的准确性和即时性不高等问题,提 出了一种基于图像增强和霍夫变换的烧结矿粒度识别方法。 该方法首先使用形态学开操作、图像像素点分 割、拉普拉斯图像锐化算子等方法进行图像增强,然后应用高斯滤波和图像边缘检测算法,最后用霍夫圆检 测算法进行烧结矿粒度检测,实时处理获取的图像,并检测出烧结矿的粒度大小和分布。 该方法可以快速检 测出图像中的烧结矿,其中图像像素点分割方法是根据烧结矿和背景的像素值设置分段函数进行分割,大幅 度减少图像中的噪声,提升了烧结矿和背景的对比度以及亮度,并且检测的准确性和即时性高,克服了人工 检测的弊端,准确率可达到 98%以上。 通过实验表明:该方法对提高烧结矿的生产效率、改善资源的利用、 降低人员成本具有积极作用。     

基于识别反馈的粘连字符切分方法研究

字符切分是影响OCR系统识别的关键因素之一.对于中英文混排粘连字符图像,笔者提出了一种基于字符类别的识别反馈的字符切分方法.该方法结构简单,容易实现,实验结果表明该方法切分效果好.     

基于广义S变换的时变索力识别

对于索支承体系桥梁,索缆是其中关键的受力构件,索缆的损伤必然会导致其结构特性发生变化,因此对缆索的瞬时张力进行识别对于评估索体系支撑桥梁的运营状况和健康状况来说至关重要.传统基于频率法的索力识别方法只能识别索在过去一段时间内的平均索力,无法对索力进行实时的识别.广义S变换在进行时频分析时具有频率自适应性及较高的计算效率...     

基于改进的广义K-L变换的掌纹识别

提出了一种基于改进的广义K-L变换的掌纹识别方法.在主成分分析思想的基础上,改进后的广义K-L变换把样本的类间信息也加入到算法的分类过程中,相对于广义K-L变换,识别效果得到了提高.将原始图像投影到一个由图像的类间散布矩阵的特征向量所构成较低维的特征子空间中,在这个特征子空间中,用欧式距离来对分属于不同手掌的掌纹图像进行分类.基于不同的特征长度和训练样本数,做了一系列的实验,最佳识别率达99 17%.     

基于广义Hough变换的部分遮挡物体识别

描述了一种基于广义Ｈｏｕｇｈ变换的部分遮挡物体识别方法．该方法分建模及识别两个过程，在识别过程中，景物图象经特征抽取、组合特征匹配、变换矩阵计算，进而根据广义Ｈｏｕｇｈ变换在参数空间求出与景物对应的模型类及相应的变换矩阵．由于用了广义Ｈｏｕｇｈ变换，物体识别过程中不必求出物体的全部特征，因而能较好地识别部分遮挡的物体，且该方法对噪声不敏感．为了说明该方法，还给出了一个２Ｄ识别简例及在一微机系统对工作台上堆集的工具的识别结果     

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。     

基于霍夫变换的直线检测技术

直线检测是数字图像处理的重要内容,在道路识别,建筑物识别,医学图像分析等领域都有十分重要的应用。通过对已经获得的图像进行边缘检测,然后用Hough变换对边缘检测进行直线检测。该方法简单,受直线中的间隙和噪声影响较小。在Matlab环境下对该方法进行了仿真实验,并对图像中直线目标进行了检测,结果表明用该方法对图像中直线目标进行检测是快速有效的。     

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.     

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.     

基于字符类别的识别反馈混排字符切分方法

字符切分是影响OCR系统识别的关键因素之一.对于中英文混排文档,提出了基于字符类别的识别反馈混排字符切分方法,利用字符特征分类判别出文档中的汉字类、英文、数字和标点符号类、部件类,对汉字类和部件类借助识别技术分别进行处理.该方法结构简单,客易实现,实验结果表明该方法切分效果好,字符类别判断准确.     

基于边缘特征和霍夫变换的斑马线识别方法

现有斑马线识别方法普遍存在实时性差或准确率低等问题,对此提出基于边缘特征和霍夫变换的斑马线识别方法。首先利用逆透视变换(inverse perspective mapping,IPM)原理将单摄像机采集到的道路图像转换为俯视图像,然后采用Sobel_x边缘检测模板提取斑马线的边缘信息;基于此,采用霍夫(Hough)变换对斑马线在水平夹角、直线长度、间隔宽度、数量统计等约束条件下进行曲线拟合,最后实现斑马线的识别。试验研究中,选择600张在不同场景下采集到的道路图像对斑马线进行识别,算法在白天光线较好情况下准确率为97.56%,在夜晚情况下为88.67%,算法平均耗时约33 ms。结果表明该算法可以在多种环境下快速准确地识别出斑马线,满足实际工程应用的需求。     

基于自组织映射神经网络的粘连字符分割

用自组织映射神经网络作为粘连字符分割的方法,对经典的自组织学习规则做了一些改进,使其以较少的神经元结点、较快的速度逼近粘连字符的白像素点的分布。     

图书索书号粘连字符的切分

分析了图书索书号字符串经过二值化后,字符及其笔划发生变形和粘连的主要原因．提出了利用字符上下轮廓的凹凸特征检测字符的近似宽度．在字符宽度的约束条件下,根据轮廓凹凸特征形成切分路径,并依据切分处笔划宽度特征对切分后的变形笔划进行修复．通过50本图书索书号的粘连字符切分实验,证明了该方法的有效性．     

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.     

用于虹膜识别的眼睑、睫毛检测算法和霍夫变换法

使用IIT Delhi虹膜数据库中的图像作为目标样本提出眼睑与睫毛检测算法用于去除虹膜图像中的噪音,同时利用霍夫曼变换来检测圆的半径和虹膜图像的边界。     

基于梯度霍夫变换的藏文手写采样表格检测

藏文手写字丁的提取是藏文手写字丁特征分析的基础,是脱机藏文手写体识别预处理工作的重要部分.为了能够顺利提取藏文手写采样表格中的藏文字丁,我们对现有的表格检测方法加以分析.在本文中,利用霍夫变换检测直线的原理,我们对基于梯度的霍夫变换算法进行改进,将其应用到藏文手写体采样表格中表格线的检测.试验证明,该算法能够较好地检测出采样表格中的直线.     

基于形态学和霍夫变换的文档图像倾斜检测

为了解决各种文档倾斜方法难以同时兼顾检测精确度和处理速度,该文提出了一种基于形态学和霍夫变换的文档倾斜检测方法.首先用形态学方法对文档图像进行行程平滑、消除噪声和边缘提取,然后用霍夫变换检测出文档的倾角.通过改进形态学运算,加快了检测速度.实验结果表明,该方法对A4大小的文档图像的平均检测用时为1.78 s,最大误差为0.2°.     

粘连搭接字符切分方法研究

字符切分是影响OCR系统识别的关键因素之一．对于中英文混排粘连搭接字符图像,提出了一种基于识别反馈的字符切分方法．该方法结构简单,容易实现,实验结果表明该方法有较好的切分效果．     

印刷公式中粘连字符的切分

印刷体数学公式中存在粘连字符是限制公式识别系统性能提升的主要因素之一。因此提出一种针对公式粘连中字符水平粘连和角标粘连的切分算法。该算法首先以滴水法为指导思想寻找峰和谷,然后根据峰和谷的形态特征、位置关系及对应位置的垂直投影等特点选出候选切分点,最后根据切分点附近的笔画信息确定切分路径。实验结果表明,该方法能够很好的适用于公式中水平和角标的粘连字符的切分。