一种基于识别反馈的字符图像验证码识别方法

摘要

一种基于识别反馈的图像验证码识别方法。其特征该方法主要包括步骤：先将原始彩色图像转换成灰度图像，并进行二值化处理，得到二值化图像数据；接着对所述二值化图像进行修补，去除图像边缘毛刺，填补中心空白，并完成断裂笔画的连接，得到修补图像；再对所述修补图像去除背景以及干扰点或线，得到无噪图像；并对无噪图像进行细化，得到单一像素的细化图像；然后对细化图像进行切分，得到仅含单个字符的单字符图像；最后对单字符图像进行归一化并识别其中的字符。本发明可对含有各种类型的噪音、字符存在粘连、倾斜、旋转及变形等现象的字符图像验证码设计相应的算法进行处理，完成高效率和高精度的识别。本发明可应用于自动化程序中验证码识别。

主权项

1.一种基于识别反馈的字符图像验证码识别方法，其特征在于该方法的操作步骤如下：（1）将字符图片加载到内存中，获取每个像素的颜色，颜色采用RGB形式表示，分别代表该颜色的红色、绿色、蓝色分量；（2）二值化将彩色图像转换成灰度图像，且采用如下的灰度变换公式，Y=0.299R+0.587G+0.114B采用阈值将灰度图像转换成二值图像，阈值的选取采用大津法且为OSTU，即选择使得两类样本间方差最大的灰度值作为阈值，二值化中阈值的选取方法为：设w₀为前景像素所占图像总像素的比例,令u₀为所有前景像素的平均灰度,设w₁为背景点数所占图像总像素的比例,令u₁为所有背景像素的平均灰度,则图像的所有像素的平均灰度为u=w₀u₀+w₁u₁.在进行程序运算时,t的取值可从图像的最小灰度值到图像的最大灰度值依次遍历,当t取某值时,类间方差公式b=w₀(u₀-u)²+w₁(u₁-u)²能取得最大,此时t即为二值化的阈值；（3）修补采用如下的模板对图像进行修复，以去除边缘毛刺并填补空白0000000011010011011101101000001001001模板T1模板T2模板T3模板T4模板T5其中0代表背景像素点，1代表前景像素点，？可为背景或前景象素点，模板T1-T3将中心前景像素点变为背景像素点，模板T4和T5将中心背景像素点变为前景像素点，且每个模板依次顺时针旋转90度、180度和270度，形成新的模板，并依次作用于原始图像；（4）去噪音针对不同的噪音类型采用相应的去噪音方法，包括：连通域滤波：对相邻的前景像素点进行扩张，获得连通域，去除连通域面积小于一定临界值的区域，高斯滤波：设f(i,j)表示图像(i,j)处像素点的灰度，经过如下变换获得滤波后的图像：超级曲线滤波：检测图像中存在的连续光滑长曲线并进行过滤，采用Dijkstra算法且为迪杰斯特拉算法寻找图中任意两个顶点间的最短路径，从而确定曲线，选择长度大于图像宽度80%的曲线作为超级曲线，并去掉曲线上垂直像素游程长度小于平均笔画宽度的像素点，从而去除超级曲线；（5）细化对图像中的线条从边缘到中心层层剥离，得到仅含单像素宽线条的图像，算法过程为：1）考虑以边界点为中心的8邻域,记中心点为p1,其邻域的8个点顺时针绕中心点分别记为p2,p3,...,p9，首先标记同时满足下列条件的边界点：a）1<N(p1)<7b）S(p1)=1c）p2*p4!*p6=0d）p4*p6*p8=0其中N(p1)是p1的非零邻点的个数,S(p1)是以p2,p3,...,p9为序时这些点的值从0到1变化的次数，当对所有边界点都检验完毕后,将所有标记了的点除去；2）同步骤1）,仅将前面条件c）改为p2*!p4*p8=0;条件d）改为条件p2*p6*p8=0，同样当对所有边界点都检验完毕后,将所有标记了的点除去，以上两步操作构成一次迭代，直至没有点再满足标记条件，则算法终止；（6）字符分割对细化后的图像进行切分，使得每个子图仅含有单个字符，首先确定细化后图像中的候选切分点，然后采用动态规划算法寻找从起点到终点的一条最优路径，优化的准则为所有子图中字符识别的概率之和；（7）识别对分割后的字符，采用识别模块进行字符识别，识别模块采用支持向量机作为分类器；（8）分类器选择一些字符图片作为训练样本，通过特征提取进行向量化，采用支持向量机构建分类器，其中提取的特征包括图像的：粗网格特征：将图片均分成4*4网格，统计每个网格内黑像素占整个子网格的百分比，得到16维特征；交截特征：在水平和垂直方向选择10像素、20像素、30像素三条线，统计图片前景与这些线的交点个数，得到6维特征；骨架特征：统计图片前景点中端点、三叉点、四叉点的数量，得到3维特征；投影特征：将图片分成4个区域，这4个区域由十二条边组成，统计图片前景点在这些边上的投影个数，得到12维特征；首个前景点位置：沿水平、垂直、左右倾斜八个方向由外向内，统计首个前景点位置的坐标，得到8维特征；外围特征：将图片按照行列4等分，依次沿四个方向由外向内扫描，记录每行第一次遇到前景点像素时形成的非字符部分的面积，得到4维特征，沿四个方向扫描，共得到16维特征；Zernike矩特征:计算图片的重复率为m的n阶Zernike矩：取Z00-Z33，共16维作为特征。