不變矩特征在數字驗證碼識別中的應用?

趙 杰

（商洛學院電子信息與電氣工程學院 商洛 726000）

1 引言

驗證碼具有技術簡單、易實施和傳輸數據小的優點，故而被很多網站尤其是論壇性質的網站大面積使用來防止自動化程序（如論壇自動灌水機）進行大批量的惡意行為。驗證碼技術也常用于輔助預防和阻止垃圾郵件群發等行為［1］。常用的驗證碼識別方法主要有模板匹配、字符結構、字符形狀等方面［2-4］。這類方法缺點是對傾斜和字符的大小比較敏感，經過特殊處理后這些缺點可得到一定改進。文獻［5］提出基于外部輪廓的方法，將圖像分割成相應若干單個數字圖像，然后對分隔出來的單個數字圖像外部輪廓的上、下、左、右4個方向進行特征計算，最后依據所計算得到的外部輪廓方向是否具有突變、左斜、右斜、圓弧等特征來對它們進行識別。基于機器學習的方法近年來研究較多，如利用神經網絡、基于支持向量機等來進行識別驗證碼［6～8］，此類方法較傳統方法在識別率上有所提高，但較為復雜，有時會出現“過學習”現象。此外，還有基于粗糙集的彩色驗證碼圖像識別方法［9］，根據字符顏色、大小和位置關系，使用粗糙集方法將驗證碼字符分割出來，再利用Adaboost進行訓練、識別。無需太多樣本，識別率較高，但對有一定幾何形變的字符識別率不高。不變矩是指物體（目標）在進行平移、縮放、旋轉等幾何變換后基本保持不變的矩統計量。目前，不變矩已成功應用于目標識別、數字水印等很多領域［10～11］，但在驗證碼識別應用很少。本文利用矩不變量來進行數字驗證碼識別，以常用的幾何不變矩（Hu矩）為例給出相關仿真結果，最后對算法進行總結討論。

2 幾何不變矩的基本原理

區域 f(x，y)的(p+q)階矩定義為

其相應的中心距定義為

其中，為重心坐標，(xˉ，yˉ)是目標區域灰度質心。 f(x，y)的歸一化(p+q)階中心矩定義為

由此，可以得到下列七種不變矩，它們對平移、旋轉、以及尺度變換都具有幾何不變性［12］：

3 基本過程

在識別之前需對驗證碼圖像進行一系列預處理操作，整體流程如圖1所示。

一般數字驗證碼圖像中的數字個數保持常量，較易分割，為進行后續數字分割，首先對圖像進行初步去噪。然后對圖像進行二值化，對數字進行定位、分割，在實際處理中，為了保證分割效果，可在分割之前再次對噪點進行濾除。數字定位好后，可提取驗證碼圖像中各數字的不變矩特征進行識別。

4 仿真測試

實驗仿真通過Matlab完成，為便于直觀觀察結果，構建GUI界面。載入驗證碼圖像后界面如圖2所示；對驗證碼圖像進行初步去噪、數字定位、歸一化操作，結果分別如圖3、圖4、圖5所示。

5 結語

本文利用圖像的幾何不變矩特征對數字驗證碼進行識別，以Matlab軟件作為測試平臺，并搭建GUI界面進行測試。實驗結果表明了不變矩在識別數字驗證碼方面的可行性。而且該方法可以很容易地擴展到英文字母或字母數字混合驗證碼的識別中。該實例也可以方便地在相關課程教學中使用。

［1］呂霽.淺談驗證碼的識別［J］.河北能源職業技術學院學報，2015，15（1）：72-74.

［2］王虎，馮林，孫宇哲.數字驗證碼識別算法的研究和設計［J］.大連理工大學學報，2007，43（32）：86-87.

［3］Kang C Y，Zhang W，Zhang T.Research and design of digital validation image recognition algorithm based on contour features［C］//International Conference on Ma?chine Learning and Cybernetics. IEEE， 2008：3022-3025.

［4］朱紹文，陳光喜.一種簡單的基于字符形狀的驗證碼識別技術［J］.桂林電子科技大學學報，2010，30（1）：59-62.

［5］潘大夫，汪渤.一種基于外部輪廓的數字驗證碼識別方法［J］.微計算機信息，2007，23（25）：256-258.

［6］佟樹成.支持向量機在驗證碼模式識別中的應用研究［J］.電腦知識與技術，2017，13（9）：166-167.

［7］陳超，毛堅桓，劉寅等.基于卷積神經網絡的鐵路貨運網站驗證碼識別［J］.指揮信息系統與技術，2016，7（4）：91-96.

［8］劉歡，邵蔚元，郭躍飛等.卷積神經網絡在驗證碼識別上的應用與研究［J］.計算機工程與應用，2016，52（18）：1-7.

［9］陳令.基于粗糙集的一類彩色驗證碼識別研究［J］.信息網絡安全，2012，（6）：26-28.

［10］Abdeslam Hmimid，Mhamed Sayyouri，Hassan Qjidaa et al.Image classification using a new set of separable two-dimensional discrete orthogonal invariant moments［J］.Journal of electronic imaging，2014，23（1）：378-392.

［11］Upneja R.Accurate and fast Jacobi-Fourier moments for invariant image recognition［J］.Optik-International Jour?nal for Light and Electron Optics，2016，127（19）：7925-7940.

［12］張偉，何金國.Hu不變矩的構造與推廣［J］.計算機應用，2010，30（9）：2449-2452.