[发明专利]一种二维字符图形验证码复杂背景噪音干扰去除方法

说明书

一种二维字符图形验证码复杂背景噪音干扰去除方法，本方法在读入一张验证码图片后，对其实施背景颜色的量化操作，通过减少背景颜色，达到消除杂乱背景，突出字符的目的。在第一步平滑步骤中，设计了一个EPSF算法，目的是在平滑的同时保持边缘不被模糊；本算法用一个高斯核双边滤波器来代替EPSF算法，同原来的EPSF算法相比，高斯核双边滤波器在平滑图像的同时，保持边缘不被模糊的效果上要优于EPSF算法,这样就能确保字符的结构不被破坏，为后续字符识别奠定基础。在颜色类归并时,本算法采用层次聚类算法，对颜色进行自适应的合并。实践表明，本算法能对一些在复杂背景下的验证码的背景噪音进行有效去除。

技术领域

本发明方法属于计算机视觉、模式识别等交叉领域，涉及一种基于颜色信息的二维数字或汉字验证码图片背景噪音去除方法。

背景技术

验证码(CAPTCHAs：Completely Automated Public Turing Test to TellComputers and Humans Apart，用于区分人和机器的全自动公共图灵测试)是当前被各网站广泛使用，来验证登录人，防止黑客程序自动登录网站的一种安全防御方法。验证码的种类多种多样，可以是基于视觉的图片验证码，也可以是听觉验证码等；常见的视觉验证码有：基于数字或字符的验证码，基于自然场景图的验证码，如：12306网站新更新的图片验证码，基于图片的测试问答等。

对于包含字符或数字的验证码，如果背景干净，字符大小均匀，则很容易被OCR(光栅字符识别)软件攻破。为了防止验证码被程序攻破，对于较为常见的基于数字或字符的验证码，一般在设计的时候，常采用添加背景干扰、扭曲、变形、相邻字符粘连等手段，使得程序识别验证码很困难，而人眼却能很容易辨别，从而达到防止程序自动登录的目的。破解一个验证码的问题，可以归结为一个AI(人工智能)问题，若某类验证码被破解，则标志着在这个困难的问题上AI领域的一个新的进展。

研究CAPTCHAs的破解，对于找出当前CAPTCHAs的漏洞，从而设计出更安全的验证码，确保网站的安全具有重要意义；同时，相关技术可以用于其它应用领域，如：自然场景图像中的文本检测和识别。

包含字符或数字的图形验证码的识别一般都遵循分割和识别两个步骤，其中分割是关键，正确的将字符分割出来，是后续进行识别的基础。然而，由于验证码在设计时噪音、粘连等干扰，使得正确的分割是一项极为困难的任务。由于验证码的种类多种多样，没有一个算法能对所有的图形验证码的分割都适用。因此，相关研究一般均基于一类或几类验证码,研究破解方案。

微软研究院的研究人员Kumar Chellapilla等在Conference of Advances inNeural Information Processing Systems(NIPS2004)发表的文章“Using MachineLearning to Break Visual Human Interaction Proofs(HIPS)”中提出利用机器学习的方法来破解验证码，并分别针对：Mailblocks,MSN,Yahoo，TicketMaster，google等几个网站的验证码的破解进行了实验，给出了解决思路。首先针对每一类型的验证码，其字符的大小尺寸的大致范围一般可事先确定，以此作为一个先验的知识。对图像预处理一般均为将彩色图像转换为灰度，再进行二值化处理。对于其中包含的背景不规则噪音线、倾斜网格线，采用先膨胀、后腐蚀等形态学方法，将噪音线去除；对于规则的水平、竖直网格线，则检测直线并移除水平、竖直网格线。在此基础上，利用字符大小这个先验知识，提取符合先验尺寸的连通体作为候选数字；同时将尺寸过宽的连通体进行分割。对分割好的字符候选，训练一个神经网络进行识别。