[发明专利]一种基于智能化图形算法的验证码识别方法

说明书

本发明涉及一种基于智能化图形算法的验证码识别方法，包括灰度化处理、二值化处理、去噪点处理、字符分割处理、字符归一化处理、特征值提取、神经网络学习和最终识别。本发明用于验证码识别，采用智能化图形算法，不但能识别带噪声、字符扭曲彩色验证码，还能识别字符变形的验证码，具有识别的验证码种类多、准确率高、识别速度快等优点。

技术领域

本发明涉及网络安全领域，具体涉及一种基于智能化图形算法的验证码识别方法。

背景技术

验证码识别是有效防止某个黑客对某一个特定注册用户用特定程序暴力破解方式进行不断的登陆尝试的方式。

传统的验证码识别方法主要包括灰度化处理、二值化处理、字符分割和字符识别。RGB彩色图像可以看成是由3副单色的灰度图像构成的，可以直接取RGB通道中的任一个通道得到灰度化图像。二值化就是把不需要的信息通通去除，比如背景，干扰线，干扰像素等，只剩下需要识别的文字，让图片变成二进制点阵。字符分割包括从验证码图像中分割出字符区域和把字符区域划分成单个字符两个部分。字符识别是把处理后的图片还原回字符文本的过程。

本发明在以上几个过程的基础上加入去噪点处理、字符归一化处理、特征值提取等步骤，大大提高了验证码识别的准确度。

发明内容

本发明的目的在于提供一种基于智能化图形算法的验证码识别方法，它用于验证码识别，采用智能化图形算法，不但能识别带噪声、字符扭曲彩色验证码，还能识别字符变形的验证码，具有识别的验证码种类多、准确率高、识别速度快等优点。

实现本发明目的的技术方案是：一种基于智能化图形算法的验证码识别方法，其特征在于：它主要包括灰度化处理、二值化处理、去噪点处理、字符分割处理、字符归一化处理、特征值提取、神经网络学习和最终识别。灰度化处理与二值化处理连接，二值化处理与去噪点处理连接，去噪点处理与字符分割处理连接，字符分割处理与字符归一化处理连接，字符归一化处理与特征值提取连接，特征值提取与神经网络学习连接，神经网络学习与最终识别连接。

本发明的工作原理是：灰度化处理将验证码中的色彩进行处理，把彩色的验证码处理成灰度图形；二值化处理将经过灰度化处理的图形处理成黑白二色图片；去噪点处理将经过二值化处理的图片去除干扰线；字符分割处理将经过去噪点处理的图片分割为单个字符；字符归一化处理将经过字符分割处理后被旋转倾斜的字符恢复为正常的角度，并且将单个字符的图片经过缩放归一位固定大小；特征值提取将经过字符归一化处理的字符图片，按照一定的算法，得到一组若干个特征值；神经网络学习将经过特征值提取后的特征值与其对应的字符内容，选择特定算法进行神经网络学习，得到学习模板；最终识别根据神经网络学习结果进行识别，返回最终识别结果。

与现有技术相比，本发明具有以下优点：采用智能化图形算法，不但能识别带噪声、字符扭曲彩色验证码，还能识别字符变形的验证码，识别的验证码种类多、准确率高、识别速度快。

附图说明

图1是本发明一种基于智能化图形算法的验证码识别方法的原理图。

具体实施方式

下面结合附图对本发明作进一步详细描述。

结合图1，本发明一种基于智能化图形算法的验证码识别方法，它主要包括灰度化处理（1）、二值化处理（2）、去噪点处理（3）、字符分割处理（4）、字符归一化处理（5）、特征值提取（6）、神经网络学习（7）和最终识别（8）。灰度化处理（1）与二值化处理（2）连接，二值化处理（2）与去噪点处理（3）连接，去噪点处理（3）与字符分割处理（4）连接，字符分割处理（4）与字符归一化处理（5）连接，字符归一化处理（5）与特征值提取（6）连接，特征值提取（6）与神经网络学习（7）连接，神经网络学习（7）与最终识别（8）连接。