优化卷积神经网络在复杂验证码图片识别中的应用

• 作者: 张爱民
• 来源期刊: 信息工程大学学报
• 学科: 工学
• 关键词: 验证码图片 字符信息 预处理 特征向量 神经网络 信息识别
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 电子科学与技术
• 页码范围: 670-674
• 页数: 5页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3969/j.issn.1671-0673.2021.06.006

摘要

常规方法预处理验证码图片时,往往容易忽略边缘离散噪声点的去噪处理,造成预处理后图像峰值信噪比、结构相似度较低.为了解决上述问题,提出优化卷积神经网络在复杂验证码图片识别中的应用.转化原始图片为灰度图像,利用高斯平滑和二值图像逻辑运算,分别去噪正态分布噪声点和边缘离散噪声点,分割预处理后的图片,提取图片字符特征向量,统一标注后输入优化卷积神经网络,优化网络权值和变换参数,通过迭代训练,输出识别的图片字符信息.抽取复杂验证码图片,设置对比实验,结果表明设计方法相比常规方法,预处理后图像峰值信噪比分别提高了8.4 dB、13.5 dB、14.9 dB,结构相似度分别提高了3.8百分点、8.1百分点、12.8百分点,优化了图像去噪效果,降低了图片识别过程复杂程度.