[发明专利]一种基于图片验证码的图像处理与字符分割方法

说明书

本发明提出了一种基于图片验证码的图像处理与字符分割方法，步骤如下：S1、利用低像素灰阶中位数法对图片验证码进行二值化处理；S2、利用四连通域或八连通域算法对二值化后的图像中的字符边缘进行修复；S3、利用模板统计选择滤波器给修复后的图像去噪；S4、基于基准线垂直分割法计算和修正字符分割线，将去燥后的图像分割为R个字符样本，R为图像中的字符数量；S5、计算每个字符样本冗余部分的切割位置并按照位置切割字符，获得切除冗余部分的字符样本。本发明方法计算较为简单，图像处理和字符分割的精度更高、适用性更好，经过本方法处理的字符样本更加方便后续机器识别，提高机器识别的正确率。

技术领域

本发明涉及一种用于图片验证码的高效的图像处理和字符分割方法，属于图片验证码技术领域。

背景技术

图片验证码技术是现代网络安全技术的一部分，用于区分访问对象是人还是机器人，以防止程序中出现大流量的有目的的访问。一般的验证码可以阻止一些简单的机械式的访问，但是在如今机器识别已经成熟的时代，对于简单排列的数字和字母的图片识别已经不是什么难题了。国内外有很多学者对验证码的识别进行研究，尝试机器识别验证码的目的不是破解验证码而是发明更有效的、难以让机器识别的验证码，进而保持发明验证码的初衷。

验证码的识别一般包括图片预处理阶段、字符分割阶段和机器学习与预测阶段，其中，图片预处理阶段包括图片灰度化、图片二值化、图片去噪和图片增强等。字符分割阶段是识别验证码最难最关键的阶段，字符分割的好与坏会直接影响到下一步分类学习识别阶段。机器学习与预测阶段在字符分割的基础上对验证码进行识别，这一阶段常用的分类及预测的方法有KNN和SVM算法。现阶段的研究表明，字符分割是验证码处理的重难点，目前还没有通用的完美的算法去解决复杂粘连字符的分割问题，甚至有些验证码人眼也需要一定时间去区分，这是阻碍机器识别验证码的主要障碍，也成为如今验证码依然可以成为人机区分手段的基础保障。国外学者指出，当一组样本的验证码能够被机器有效识别(完全识别正确)超过10％则该验证码(系统)已经不再安全。

研究验证码机器识别可以为后续对验证码生成规则的改进提供数据支持，避免使用那些已经可以近乎完美解决的方法，为开发新的干扰要素提供支持，使得图片验证码能够继续提供有效的人机区分服务。

发明内容

本发明提出了一种基于图片验证码的图像处理与字符分割方法，在图像处理阶段，通过模板滤波器和统计法给图像去燥，在字符分割阶段，根据基准线垂直分割法获得初始的分割位置，然后对分割位置进行修正，最终确定分割位置。本发明方法的去燥性能更好，且字符分割精度较高，生成的字符样本有利于后续机器识别学习。

为解决上述技术问题，本发明采用了如下技术手段：

一种基于图片验证码的图像处理与字符分割方法，具体包括以下步骤：

S1、利用低像素灰阶中位数法对图片验证码进行二值化处理；

S2、利用四连通域或八连通域算法对二值化后的图像中的字符边缘进行修复；

S3、利用模板统计选择滤波器给修复后的图像去噪，所述的模板统计选择滤波器的算法是：采用模板算法将图像中特定像素点相邻区域的像素值排序，根据统计法确定选择位置，将选择位置上的像素值赋值给特定像素点；

S4、基于基准线垂直分割法计算和修正字符分割线，将去燥后的图像分割为R个字符样本，R为图像中的字符数量；

S5、计算每个字符样本冗余部分的切割位置并按照位置切割字符，获得切除冗余部分的字符样本。

进一步的，步骤S1的具体操作如下：

S11、分析验证码图像，获得原图像的灰度直方图H(x)。

S12、在定义域的子集I中观测一个界定值m。