Tensafe的博客

本文围绕字符识别技术，对字符识别预处理算法与支持向量机分类算法进行了深入 的研究。在字符图像预处理方面，重点研究了灰度图像滤波算法、图像的倾斜检测和字 符分割算法；在支持向量机分类方面，提出了一种新的快速的按类分级聚类(Hierarchical Clustering by Category，HCC)支持向量机算法叫CC．SVM。 采用暴力测试法，分析SVM算法的关键参数的选取，找出适用于测试数据集 的最佳参数。

针对二值异或群循环轨迹集没有有效的识别算法的问题 ，进行了高效快速的多 轨迹识别算法方面的研究 。 首先建立了多轨迹识别问题的数学模型 ，定义了一类新的轨 迹 ——— 二值异或群循环轨迹 ，然后针对这类轨迹提出了一种新的识别算法 ，将求解与基轨 迹相异或的元素值的问题转化为求解轨迹特征位模式的问题 ，并在理论上证明了其正确 性 ，通过这样的处理极大地提高了算法可操作性 ，最后将此算法应用于共享接入检测场景 中并进行了验证 。 实验证明 ，此算法具有较高的准确度和误报容忍度 ，能较好地应用于网 络监控和信息安全领域 。

本文的创新点是：首先我们采用一种新的预处理方法来处理灰度图片，然后利用KNN 分类器来提取轮廓特征点，随后采用了一种打分机制匹配上下轮廓特征点来构造分割路 径集合。最后，我们将遗传算法和识别反馈结合起来完成字符分割与识别。 实验结果表明，本文提出的方法在解决强粘连多字符串的分割与识别方面取得了不 错的效果，同时反馈机制的引入，也提高了识别的可靠度。

通过在50张英文名片图像的实验来分别验证本文所提方法的正确性，说 明了基于半阈值的粘连字符方法具有高达95．32％的分割正确率，比投影法提高了 近十个百分点；与基于二值化的字符特征相比，基于半阈值化的字符特征具有一 定的鲁棒性；遗传优化的BP神经网络比一般的BP神经网络具有较快的收敛性和 较高的识别率；最后，本文在NokiaN95上实现了一个原型识别系统，系统的图片 拒识率只有6．25％，字符识别正确率达97．35％。

本文运用计算机视觉，模式识别相关理论对多种不同类型的验证码进行识别研究，总 结探讨验证码识别的一般方法，提供验证码反识别的建议。通过对比各种的不同识别方法， 使研究具有一定的理论水平和实用价值。 本文的主要工作和成果如下： 1．研究图像灰度化相关的理论和方法。常用的彩色图像灰度化方法因为没有考虑到 像素的色度差，灰度化后的图像丢失色度信息会让目标区域变得很难分割。通过试验对比 各种灰度化公式的应用效果，本文采用了一种非线性灰度化公式，取得了很好的灰度化效 果。 2．在验证码字符识别上，本文先研究基于模板匹配的识别方法，在此基础上，研究 了Hopfield神经网络的识别效果。通过两者的对比，分析了各自的优缺点及规避方法。 3．在传统模板匹配识别的基础上引入了加权模板和透明模板的改进，大大提高了模板 匹配识别的识别率。 4．基于半监督学习对二值化阀值进行优化，得到比Otsu阀值分割更好的效果。采用 半监督学习进行模板权值学习，提高了权值模板的识别率。