验证码识别研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 概述 | 第8-11页 |
| 1.1 研究背景 | 第8页 |
| 1.2 国内外发展现状 | 第8-9页 |
| 1.3 研究意义 | 第9页 |
| 1.4 本文的工作及章节安排 | 第9-11页 |
| 第二章 相关技术概述 | 第11-34页 |
| 2.1 字符图像的灰度化和二值化 | 第11-12页 |
| 2.1.1 灰度化 | 第11-12页 |
| 2.1.2 二值化 | 第12页 |
| 2.2 常见噪声及图像去噪 | 第12-13页 |
| 2.2.1 腐蚀运算和膨胀运算 | 第13页 |
| 2.2.2 开运算 | 第13页 |
| 2.3 字符分割 | 第13-15页 |
| 2.3.1 投影分割法 | 第13-14页 |
| 2.3.2 连通区域法 | 第14-15页 |
| 2.3.3 水滴法 | 第15页 |
| 2.4 人工设计特征提取方法 | 第15-24页 |
| 2.4.1 形状上下文 | 第16-18页 |
| 2.4.2 SIFT | 第18-22页 |
| 2.4.3 其他特征提取方法及多核学习 | 第22-24页 |
| 2.5 无监督特征学习 | 第24-34页 |
| 2.5.1 稀疏自编码 | 第25-27页 |
| 2.5.2 限制玻尔兹曼机 | 第27-29页 |
| 2.5.3 高斯混合 | 第29-31页 |
| 2.5.4 K-means | 第31-34页 |
| 第三章 验证码识别系统的实现 | 第34-52页 |
| 3.1 数据的获取及系统实现流程 | 第34-37页 |
| 3.2 图片二值化及去噪 | 第37-40页 |
| 3.3 多方法结合的字符分割 | 第40-43页 |
| 3.4 k均值特征提取 | 第43-46页 |
| 3.4.1 基于卷积神经网络的k均值特征提取 | 第43-45页 |
| 3.4.2 k-means++ | 第45-46页 |
| 3.5 模式识别 | 第46-50页 |
| 3.5.1 SVM及原理 | 第46-49页 |
| 3.5.2 LIBSVM实现 | 第49-50页 |
| 3.6 登录实现 | 第50-52页 |
| 第四章 数据验证 | 第52-62页 |
| 4.1 Chars74k公共数据集介绍及验证设计 | 第52-54页 |
| 4.2 验证数据结果及一些思考 | 第54-62页 |
| 第五章 总结与展望 | 第62-63页 |
| 5.1 总结 | 第62页 |
| 5.2 展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66页 |
