Tensafe的博客

本文运用计算机视觉，模式识别相关理论对多种不同类型的验证码进行识别研究，总 结探讨验证码识别的一般方法，提供验证码反识别的建议。通过对比各种的不同识别方法， 使研究具有一定的理论水平和实用价值。 本文的主要工作和成果如下： 1．研究图像灰度化相关的理论和方法。常用的彩色图像灰度化方法因为没有考虑到 像素的色度差，灰度化后的图像丢失色度信息会让目标区域变得很难分割。通过试验对比 各种灰度化公式的应用效果，本文采用了一种非线性灰度化公式，取得了很好的灰度化效 果。 2．在验证码字符识别上，本文先研究基于模板匹配的识别方法，在此基础上，研究 了Hopfield神经网络的识别效果。通过两者的对比，分析了各自的优缺点及规避方法。 3．在传统模板匹配识别的基础上引入了加权模板和透明模板的改进，大大提高了模板 匹配识别的识别率。 4．基于半监督学习对二值化阀值进行优化，得到比Otsu阀值分割更好的效果。采用 半监督学习进行模板权值学习，提高了权值模板的识别率。