基于模糊聚类与RBF网络集成分类器的验证码识别

宋人杰，刘 娟

(东北电力大学信息工程学院，吉林吉林132012)

验证码作为新兴的网络安全防护机制，广泛用于互联网以实现区分人机。对验证码识别技术的研究，可以及时发现和改善验证码生成程序的漏洞以及增加验证码图像的识别难度，在加强网站安全性方面有着重要意义。在公开的验证码识别算法中，部分验证码通过识别算法能够基本能够识别。文献［1］对字符是模糊粘连的猫扑验证码，提出了基于局部极小值和最小投影值的方法来分割;对有交错粘连的西祠胡同验证码，通过颜色聚类与竖直投影结合来达到分割字符。最终均采用卷积神经网络进行训练和识别。文献［2］针对粘连字符分割致使验证码字符识别效果不佳的问题，提出一种带权值的模板匹配和基于监督学习的模板权值调整相结合的字符识别方法。文献［3］提出了一种基于数字验证码外部轮廓结构特征的方法，对于可分割字符识别正确率可达到96%以上。综上所述，目前研究的验证码的共同点是能够对图片上的字符进行切割，得到单个字符，然后进行匹配识别。

本文研究的对象是复杂验证码，即为防止分割的粘连，字符变形扭曲的字符，此类验证码很容易产生误切分和过切分的情况，直接影响系统识别的准确率。因此，本文将字符分割与字符识别同步起来，其理论基础是参与分类的特征在识别结果的正确性上有着不同的重要度，因此可以显著降低错误率，达到更高的精度。……