验证码(CAPTCHA)是现在很多网站通行的方式,在每次访问页面时随机生成。对验证码识别技术的研究,可以及时发现和改善认证码生成程序的漏洞,在加强网站安全性,防止恶意程序的攻击方面有着重要意义。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。其中,上面3,4点是我们的创新点。虽然,本文的方法在验证码识别上具有一定的实用性,但离人类的识别能力还有很大的差距。今后,我们将在特征提取和匹配上开展更多的研究,以求在验证码识别上的更大突破。