学位论文 > 优秀研究生学位论文题录展示

基于SVM的验证码识别算法研究

作　者: 殷光
导　师: 陶亮
学　校: 安徽大学
专　业: 计算机应用技术
关键词: SVM 选择工作集核函数多类分类验证码识别
分类号: TP181
类　型: 硕士论文
年　份: 2010年
下　载: 536次
引　用: 7次
阅　读: 论文下载

内容摘要

20世纪90年代初期,由Vapnik等人所提出的支持向量机(SVM)是在统计学理论基础上发展进而产生的一个崭新的学习系统,在文本分类、手写字符识别、图像分类、生物序列分析等实际应用中具有很高的泛化学习性能。随着在理论方面不断深入,在实践中不断发展,SVM目前已成为机器学习和数据挖掘领域的标准工具。基于支持向量机的验证码识别在电子商务中有着广泛应用。电子商务的发展非常迅速,迫切需要一种推广方式来推销他们的商品,残障人士上网问题也需要迫切关注,因此许多人开始研究网络机器人技术,用于邮箱自动注册,群发信息,自动灌水,自动登录等功能,而这些功能都离不开验证码识别技术,验证码识别技术已成为当前这一领域的一个研究热点。本文详细介绍了支持向量机的基础理论、算法实现策略、模型和参数选择,研究了验证码图像处理、特征提取及验证码识别的具体方法,设计并实现了验证码识别方案,在验证码识别过程中取得了良好的效果。本文首先概述统计学习理论和支持向量机的构造方法,分析和研究了支持向量机的多类分类算法和核函数方法。其次,介绍了图像处理的各种基本算法,对验证码图像处理遇到的问题进行了分析,并采取不同的方法使验证码处理达到较好效果,方便了验证码特征向量的提取,同时还分析了几种不同的验证码特征提取方法的优劣。再次,介绍了SVM多类分类器的详细设计过程,分析了实现过程过程中遇到的情况,设计了良好的数据结构用来存储向量数据,提供了SVM训练接口和预测接口,分别用来训练支持向量机和预测分类结果。最后,综合以上理论,设计出基于C++的SVM算法,同时实现了验证码识别系统。从各类不同网站上下载具有典型特征的验证码进行实验的结果表明,该系统可非常有效地识别目前网络上流行的各类验证码。

全文目录

摘要  3-4
Abstract  4-9
第一章绪论  9-16
  1.1 研究背景及意义  9-11
    1.1.1 机器学习的发展  9-10
    1.1.2 图像处理与应用  10-11
  1.2 支持向量机概述  11-13
    1.2.1 支持向量机的研究内容  11-12
    1.2.2 支持向量机发展状况  12-13
  1.3 验证码识别方法研究  13-14
    1.3.1 验证码识别的意义  13
    1.3.2 验证码识别的方法  13-14
  1.4 研究内容和组织结构  14-16
    1.4.1 研究的主要内容  14
    1.4.2 论文的组织结构  14-16
第二章 SVM算法理论  16-35
  2.1 统计学习  16-21
    2.1.1 经验风险最小  16-17
    2.1.2 学习过程一致性  17-18
    2.1.3 VC维理论  18-19
    2.1.4 结构风险最小  19-21
  2.2 线性SVM  21-24
    2.2.1 线性问题  21-23
    2.2.2 线性分类器  23-24
  2.3 非线性SVM和核函数  24-27
    2.3.1 非线性SVM  24-25
    2.3.2 核函数方法  25-26
    2.3.3 核函数的选择  26-27
  2.4 SVM多类分类  27-29
    2.4.1 多类问题  27-28
    2.4.2 多类分类方法  28-29
  2.5 SMO和选择工作集算法  29-30
    2.5.1 SMO算法  29-30
    2.5.2 选择工作集算法  30
  2.6 常用的SVM类型  30-35
    2.6.1 C-SVC  30-31
    2.6.2 v-SVC  31-32
    2.6.3 on-class SVM  32-33
    2.6.4 ε-SVR  33
    2.6.5 v-SVR  33-35
第三章验证码图像处理算法  35-45
  3.1 图像预处理  35-41
    3.1.1 图像平滑  35-36
    3.1.2 中值滤波  36
    3.1.3 直方图均衡  36
    3.1.4 图像锐化  36-40
    3.1.5 图像灰度化  40
    3.1.6 图像二值化  40-41
    3.1.7 去除噪音  41
  3.2 形态学图像处理  41-43
    3.2.1 图像的腐蚀  42
    3.2.2 图像的膨胀  42-43
    3.2.3 图像的细化  43
  3.3 图像分割  43-44
    3.3.1 基于区域的分割  43-44
    3.3.2 基于分水岭的分割  44
    3.3.3 基于投影的分割  44
  3.4 特征提取  44-45
第四章 SVM分类器设计  45-48
  4.1 改进的SMO和工作集选择算法  45-46
  4.2 SVM设计和实现  46-48
第五章验证码识别  48-55
  5.1 验证码识别过程  48-49
    5.1.1 识别的流程  48
    5.1.2 样例的制作  48-49
    5.1.3 样例的训练  49
    5.1.4 识别验证码  49
  5.2 验证码识别系统框架  49-51
    5.2.1 系统框架  49-50
    5.2.2 图像预处理模块  50-51
    5.2.3 特征提取模块  51
    5.2.4 支持向量机模块  51
  5.3 验证码识别实验  51-54
  5.4 验证码识别实验分析  54-55
第六章总结与展望  55-57
参考文献  57-61
致谢  61-62
攻读硕士期间发表的论文  62-63

基于SVM的验证码识别算法研究

内容摘要

全文目录

相似论文