汪志华

(集美大学计算机工程学院，福建 厦门 361021)

0 引言

验证码最初是一种用于区分用户是计算机还是人的测试程序，它通过生成测试并对用户作答进行评判,后来，逐渐发展成为网站防范攻击的一种安全技术而受到广泛的应用。按照内容划分，验证码主要分为字符验证码、图像验证码、声音验证码等。字符验证码具有生成成本低、答案比较确定、对用户友好等优点，目前被大多数网站采用。由于普通字符验证码容易被程序自动识别，为提高网站安全性，在生成字符验证码时，可以通过增加干扰线条、扭曲字符、粘连字符、旋转字符、混合不同字体的字符等方法，增大验证码自动识别的难度。本文研究的对象即为此类具有粘连字符、旋转字符的验证码。

粘连字符验证码的识别难度较大，对于粘连字符验证码的识别，大多数研究者主要采用字符分割、特征提取、字符识别等流程。如：王璐等[1]基于局部极小值和最小投影值的方法来分割字符，然后采用卷积神经网络进行训练和识别，但对于粘连字符验证码的识别率只有38%；张亮等[2]采用水平和垂直投影进行字符分割，然后通过递归神经网络进行识别，对不同测试集识别率在20%～60%之间；唐海涛[3]提出一种基于PNN-SOINN-RBF网络构建的自组织增量神经网络模型对验证码进行识别，该方法的识别率在60%～85%之间，对于一些测试集可以达到95%；汪洋等[4]采用轮廓差投影法与水滴算法对验证码进行字符切割，然后利用KNN算法进行字符识别，识别率为81%；……