[发明专利]一种基于轮廓提取的九宫格图形验证码识别方法

说明书

本发明公开了一种基于轮廓提取的九宫格图形验证码识别方法。本发明包括如下步骤：(1)对输入的含箭头的九宫格验证码进行二值化与高斯模糊预处理，后进行降噪；(2)对图片进行膨胀处理，后进行canny轮廓检测，计算所有闭合轮廓的重心；(3)对提取的轮廓进行分类，依据其重心位置、分布情况，计算出九宫格点编号与箭头位置,对非重叠箭头轮廓进行最小闭合三角形提取；(4)由箭头位置与九宫格标记点得出每个九宫格点的出入度，进而计算出该九宫格图形验证码中的哈密顿路径；(5)抽取任意非重叠箭头，通过计算三角形顶点与重心关系得出该箭头方向，为该哈密顿路径标明方向，最终输出验证结果。本发明极大地提高了识别效率与用户体验。

技术领域

本发明属于计算机识别与检测领域，具体涉及一种基于轮廓提取的九宫格图形验证码识别方法。

背景技术

九宫格验证码被广泛应用于移动通讯、网络传媒与互联网金融等领域。服务商通过发送图形验证码来帮助用户确认信息，防止误触。但是，图形验证码对于用户来说识别起来费时费力，在移动设备上需要切换进程来查看验证码，并且许多验证码用户难以识别，往往输入多次仍然无法验证通过，这样极大地影响了用户体验，降低了识别效率。

目前，对于图形验证码的识别都采用人工识别的方式来进行，尚无智能的计算机识别方法，主要是因为图形验证码存在着图片背景复杂、关键元素多以及识别精度难以控制的问题。采用人工识别则弊端明显，对于个体用户来说极大地降低了用户体验；对于公司团体来说，大量的验证码进行人工识别，时间成本极高，耗时耗力。

为此，本发明提出一种基于轮廓提取的九宫格图形验证码识别方法。本发明通过一种轮廓提取方法将九宫格图形验证码中的箭头与标记点两大关键元素进行分割提取，进而对其进行识别分类、编号排序与方向识别，从而智能地识别出九宫格图形验证码中的验证码结果，避免了人工识别或是人工预处理所带来的大量开销，本方法广泛适用于移动通讯、网络传媒与互联网金融，可以大大提升用户体验，在保持98％的识别精度前提下其识别效率较人工识别可提升数百倍。

发明内容

针对现有技术所存在的上述技术缺陷，本发明提供了一种基于轮廓提取的九宫格图形验证码识别方法，一种轮廓提取方法将九宫格图形验证码中的箭头与标记点两大关键元素进行分割提取，提高了识别效率并且增强了用户体验。

一种基于轮廓提取的九宫格图形验证码识别方法，包括如下步骤：

步骤(1)对输入的含箭头的九宫格图形验证码进行二值化与高斯模糊预处理，并根据九宫格标记点的颜色设置阈值进行降噪。

步骤(2)对步骤(1)处理后的图片进行膨胀处理，随后进行canny轮廓检测，计算出所有闭合轮廓的重心。

步骤(3)对步骤(2)中提取的轮廓进行分类，依据闭合轮廓的重心位置、分布情况计算出九宫格点编号与箭头位置,并对非重叠箭头轮廓进行最小闭合三角形提取。

步骤(4)由箭头位置与九宫格标记点分析得出每个九宫格点的出入度，进而计算出该九宫格图形验证码中的哈密顿路径。

步骤(5)抽取任意非重叠箭头，通过计算三角形顶点与重心关系得出该箭头方向，从而给该哈密顿路径标明方向，最终输出该图形验证码的验证结果。

所述的步骤(1)中，对输入的含箭头的九宫格图形验证码进行二值化与高斯模糊预处理，并根据九宫格标记点的颜色设置阈值进行降噪，具体包括如下步骤：

1-1.依据给定的RGB彩色图，将其转换为灰度图备用，

1-2.将灰度图进行高斯模糊处理，其高斯模糊最小单位为n*n，得到高斯处理图，n为灰度图行列最小值的2％；

1-3.对高斯处理后的灰度图进行阈值降噪，使得灰度图中仅留下箭头与九宫格标记点。