[发明专利]一种用于自动识别验证码中空心字符的方法

说明书

本发明了一种用于自动识别验证码中空心字符的方法，其中的方法主要包括：在图片进行预处理后，对发生断裂的字符轮廓线进行修复；将所有封闭的白色连通区域进行颜色填充；对所述得到的颜色块，依据其形状特性及横纵向特性进行三次检测去干扰处理，提取有效字符块；从分割得到的字符块中提取有效特征信息；利用机器学习方法对字符信息进行检测识别。本发明提供的技术方案简单实用，能够及时检测出验证码中的空心字符并进行准确识别，且能够较好的应用于背景有其他图像干扰形式的验证码，从而提高了自动识别的性能。

技术领域

本发明涉及互联网安全技术领域，具体涉及一种用于自动识别验证码中空心字符的方法。

背景技术

验证码(CAPTCHA)是一种区分计算机和人类的全自动图灵测试技术。在一个验证码测试中，系统会自动生成一个问题并评判用户的答案，这个测试只有人类很容易给出答案，而计算机程序则很难成功。因此被广泛用于邮箱注册、网上银行登录、在线交易、订票系统等验证环节，系统要求用户必须输入验证码上所显示的字符信息才可完成相关操作，这样可以有效防止机器通过暴力破解方式不断的进行登陆以对用户密码进行破解盗取相关信息，还可以保证在线投票的真实性，防止垃圾邮件，网站广告泛滥等，提高网站运行的稳定性和安全性。

验证码技术因便捷高效而被很多网站采用。相应的，在网站上线运行之前，测试工程师通常会采用一些验证码自动识别方法对网站中的验证码进行破解，以检测网站的安全性。若其中大部分验证码能被机器自动识别，则表明该网站所使用的验证码安全性较低，需要相关技术人员增大验证码图像的复杂度等，以保证网站上线运行后不被恶意用户攻击。

早期的验证码中有效信息均以实心字符形式呈现，虽在背景中加入了一些干扰但仍易被机器自动识别。空心验证码作为一种新型的复杂验证码，是近几年刚刚出现的一种基于文本类型的验证码，它是实心字符验证码的优化变形。因为其只由简单的轮廓线组成、图像中包含的信息少，字符的有效特征信息会被大幅度弱化。若当图像背景中再有干扰线加入时，在预处理过程中部分字符轮廓还会被误当作噪声去除，这些都极大地提高了机器自动识别的难度。因此，空心验证码受到了许多大型网站的青睐，但其是否能真正有效地抵制自动识别程序，是否真正安全还亟需得到验证。

发明内容

鉴于上述问题，提出了本发明，以便提供一种克服上述问题或者至少部分地解决上述问题的用于自动识别验证码中空心字符的方法。

进一步技术方案如下：

本发明提供了一种在识别空心字符验证码过程中通过填充技术将空心字符填充为实心字符并去除背景干扰后进行字符识别的方法。该方法主要包括：在图片进行预处理转换为黑白图后，对发生断裂的字符轮廓线进行修复；将得到的所有白色封闭区域进行颜色填充；对填充后得到的所有不同颜色块，依据其形状特性及横纵向特性进行三次检测去干扰处理，提取有效字符块；提取字符块中有效特征信息并进行检测识别。

所述对预处理得到的黑白图中发生断裂的字符轮廓线进行修复部分，是从原点开始，按照一定顺序依次查找黑色轮廓线像素点，若以该点为中心的相应邻域范围内存在黑色点，则将此黑色点进行标记并沿此路径继续探索，未形成闭环的路径终点即为轮廓线断点。在找到的所有轮廓线断点中筛选得到真正断点后，依据点间距离最近原则匹配得出属于同一条轮廓线的断点，进行连接。

所述对所有白色封闭区域进行颜色填充部分，是在对轮廓线修复后形成的每个封闭连通区域按照一定顺序依次查找，每找到一个连通区域便将其颜色转变为一个新的灰度值。最终保证所有白色封闭区域被填充为不同灰度值，且按照封闭区域在图像中的位置其灰度值也呈现一定关系