导读:本文包含了图像验证码论文开题报告文献综述及选题提纲参考文献，主要关键词:验证码,深度学习,卷积神经网络,循环神经网络
图像验证码论文文献综述
徐星,宋小鹏,杜春晖[1]（2019）在《基于深度学习的验证码图像识别》一文中研究指出验证码是一种区分用户是计算机还是人的公共全自动程序.为了尽可能大批量地获取某网站的信息,就需要让机器可以全自动地识别该网站的验证码.为了破解验证码,对深度学习的验证码图像识别方法进行了研究.提出使用图像标注的方法来生成验证码图像中的字母序列.实验采用深度学习框架Caffe,将卷积神经网络与循环神经网络相结合进行训练.将卷积神经网络的输出用于训练循环神经网络,来不断地预测出序列中下一个最有可能出现的字母.训练的目标是将输出的词尽量和预期的词一致.测试结果表明,该模型能够对该网站的验证码图像做到97%的识别准确率.该方法比只采用卷积神经网络进行识别效果好.(本文来源于《测试技术学报》期刊2019年02期）
秦波,顾乃杰,张孝慈,林传文[2]（2018）在《基于卷积神经网络的图像验证码识别》一文中研究指出验证码作为一种安全手段,被广泛应用于互联网领域.本文提出了一种基于卷积神经网络的图像验证码识别方法,通过卷积层级联、残差学习、全局池化、分组卷积等技术手段,在保证识别准确率不受影响的前提下,大大降低了网络的参数量.本文以铁路购票网站验证码和正方教务系统验证码为例来测试模型性能.对于铁路购票网站验证码,实验结果显示本文提出的识别方法参数量最少,对图形和中文词组验证码的识别准确率分别达到98.76%和99.14%;对于正方教务系统验证码,本文方法参数量最少且识别准确率为87.30%.(本文来源于《计算机系统应用》期刊2018年11期）
白培瑞,王金博,丁国梅[3]（2018）在《一种通用的基于图像分割的验证码识别方法》一文中研究指出针对粘连、扭曲,且存在干扰噪声的验证码图像识别性能欠佳的问题,结合卷积神经网络提出一种通用的基于图像分割的验证码字符识别方法。首先对传统Otsu阈值分割算法的阈值选取策略进行改进,提出基于局部最优阈值分割的Otsu法对验证码图像进行二值化处理。其次,采用改进的融合字符积分投影特性的复杂验证码字符分割方法对存在粘连情况的字符进行二次分割。最后,将分割得到的单个字符归一化后直接输入到基于卷积神经网络的LeNet-5模型中进行训练和识别,并输出识别结果。大量网站验证码图像的实验测试结果表明,提出的方法对粘连、扭曲,且存在干扰噪声的字符验证码图像有着较高的识别率和适应性,有效克服经典方法对于不同种类验证码识别的针对性和局限性。(本文来源于《山东科技大学学报(自然科学版)》期刊2018年03期）
孙中廷[4]（2017）在《基于C#动态生成图像验证码的研究与实现》一文中研究指出针对现存的各种恶意网络攻击等问题,分析了当前常见验证码技术的种类和优缺点,并对几种验证码技术作了简要总结论述,最后通过动态生成图像验证码的方法,构建了多个功能模块,并分析各功能模块的作用,核心代码用C#语言进行了实现。该方法与其他方法相比具有动态变化、安全系数较高、速度快等优点,能够满足各种安全场景的要求。(本文来源于《福建电脑》期刊2017年12期）
曹放[5]（2017）在《基于视觉感知的图像验证码设计与研究》一文中研究指出验证码是一种用于区分计算机和人类的安全机制,用于防范计算机程序的恶意攻击。基于文本的验证码机制和基于图像的验证码机制是目前使用最为广泛的两种验证码机制,由于许多研究人员在研究验证码的破解,并且取得了一定的成功,使得现有的大多数验证码机制已经不够安全,并且设计出的新验证码非常难用不够友好。并且这些验证码也受到语言依赖性,标签数据库的影响,不能完全自动生成。但是,验证码在网络安全中发挥着非常重要的作用,因此迫切需要探索新的验证码方向来解决上述问题。本文通过研究人类的视觉感知能力,设计出了叁种基于视觉感知的图像验证码,可以有效的解决验证码领域现在面临的问题,使得图像验证码领域继续向前发展通过研究发现,人类在图像的视觉感知方面与计算机相比有着巨大的优势。人类对于图像内容的理解能力,风格的转换,空间纹理的变化,以及在平面中的3D构图等方面都有着非常准确且灵敏的感知。基于视觉感知这一特点,本文设计并研究了基于人类视觉感知的图像验证码。本文主要对验证码领域做出了两个贡献。首先,本文通过研究人的视觉感知能力,从图像风格画,图像纹理,以及3D空间构图这叁个角度出发,提出了叁种基于视觉感知的新型图像验证码机制。其中Neural-Style机制的验证码包含Grid机制和Font机制两种设计形式,他们都是通过卷积神经网络生成新的风格图片。Grid形式的验证码是让用户根据题意找出方格中的风格图,而Font形式的验证码是让用户找出图片之中风格画后的汉字。DeRection形式的验证码,则是在对比图像变化的情况下,利用人类捕获图像变形区域纹理的能力寻找图像的变形区域。CONSCEME形式的验证码是利用人们在叁维空间中理解内容的能力,并计算不同视图中堆迭的立方体的数量的。其次,本文还提出一套基于图像的验证码的设计标准。与现有的图像验证码机制相比,本文提出的叁种基于视觉感知的图像验证码机制在一些地方有相似之处。本文对110多人进行了验证码使用的初步实验,验证了叁种基于视觉感知的图像验证码机制的可用性和安全性。通过分析本文提出的叁种机制的特点,并将这叁种验证码机制与现有的基于图像的验证码机制的特征进行比较,提出了一套基于图像的验证码系统设计的新标准。(本文来源于《西安电子科技大学》期刊2017-05-01）
温亮,王莉雯[6]（2016）在《基于C#的随机图像验证码的绘制》一文中研究指出本文介绍了在.NET平台下利用C#语言设计随机图像验证码,随机验证码内容包括随机数字的绘制、随机颜色的绘制和随机字体的绘制,以及干扰线和噪点(像素颗粒)的绘制。并通过用户单击图像时的单击事件随机更换图像和图像中的数字。(本文来源于《城市地理》期刊2016年24期）
冯飞[7]（2015）在《图像识别：提升识别精度 有赖专利“点睛”》一文中研究指出“世界上最遥远的距离不是生与死，而是12306网站明明显示有票，我却看不懂验证码。”近日，随着春运火车票正式发售，一年一度的“抢票大战”再度开启。但12306网站的图形验证码因图片不清晰、难以辨别，导致用户购票频繁“卡壳”，遭到许多网友吐槽。(本文来源于《中国知识产权报》期刊2015-12-16）
石冬冬[8]（2015）在《基于局部不变特征的图像匹配技术在新型图片验证码识别中的应用研究》一文中研究指出前不久,一购票网站在其登录与购票界面推出了一种新型图片验证码,改版之后的验证码识别难度明显提高,有效地加强了其网站的安全性。由于SIFT与SURF特征对于模糊、视角、旋转以及压缩等变化都具有良好的鲁棒性,而在新型图片验证码中主要利用这些场景变换作为干扰。对该验证码识别技术的研究,对于促进验证码设计的发展与加强网络安全有着重要的理论意义和实用价值。所以本文提出将这两种着名的基于局部不变特征的提取与匹配算法应用于新型图片验证码识别,并在模拟新型图片验证码系统的基础上进行实验分析,以期获得良好的识别效果。本文的研究工作与贡献如下:首先,本文重点研究了两种着名的局部不变特征即SIFT和SURF特征检测原理,并针对新型图片验证码中的干扰因素进行分析,包括模糊、视角、旋转、压缩等。设计5组实验分析两种算法对上述干扰的性能差异和在新型图片验证码的各种变换场景中的应用优劣势。随后,本文设计了一个新型图片验证码系统,并利用基于局部不变特征点的图像匹配技术实现对其识别。该实验从50像素级和100像素级对6种包含不同物体类型的图片验证码分别设计实验对比分析识别效果。实验结果表明,基于局部不变特征的提取与匹配算法对于包含有一定区分度物体类型的图片验证码能够进行有效识别。同时也表明,这两种特征检测算法对新型图片验证码识别的性能在很大程度上取决于图像中物体类型、分辨率大小以及干扰背景等。(本文来源于《西安电子科技大学》期刊2015-11-01）
齐娇[9]（2014）在《基于人脸的图像验证码自动识别方法研究》一文中研究指出验证码是用来区分计算机和人类的一种图灵机制,可以防止恶意程序攻击登陆口令、接收垃圾邮件以及用暴力的方式不断尝试登陆,现已成为许多网站的通行方式。由于文本验证码已被大部分攻击程序破解,现今图像验证码得到了越来越广泛的应用。人脸识别是模式识别领域较热门的研究领域,它包括人脸检测和识别两个阶段。人脸检测主要是利用人脸的某些已知特征从图像中检测并标记出人脸,而人脸识别是对检测出的人脸利用特征匹配或学习的方法进行身份的鉴别。现有的人脸识别算法众多,但是都存在一定的局限性,容易受到内在变化(例如不同的表情姿态或者部分器官被遮挡)和外在干扰(如图像的背景干扰或者噪线干扰,光照条件等)两个方面的影响从而导致性能的下降。基于人脸识别的图像验证码技术就是利用当前大部分人脸识别算法的局限性,对人脸进行各种程度的扭曲,旋转并加入各种背景干扰,假脸干扰等,在保证人类识别率的前提下,大大增加了计算机程序的破解难度。在本文中,我们主要对基于人脸识别的图像验证码进行了深入的研究和探讨。针对Gaurav和Brian等提出的FaceDCAPTCHA和FR-CAPTCHA进行了深入的分析,利用图像处理和模式识别的相关算法对这两种验证码进行了破解,并破解成功。FaceDCAPTCHA每个验证码图像包含4到6个人脸和非人脸小图片,它需要用户找到其中所有的人脸。FaceDCAPTCHA破解的关键就在于区分人脸和非人脸。我们首先利用边缘检测将验证码图像中的人脸和非人脸小图片提取出来,之后利用四种不同的特征提取方法—颜色特征,结构纹理特征,基于LBP和PCA的特征,Laws Masks特征分别提取了图像的特征,并利用SVM分类器进行了训练和识别。此外,由于卷积神经网络可以在无需手动提取特征的前提下达到比较好的分类效果,我们对边缘检测后得到的人脸和非人脸小图片也直接利用卷积神经网络进行了识别。最后,我们对各种方法的破解结果进行了时间和成功率上的比较。FR-CAPTCHA包含10种不同的设计集合,每个集合都有不同的抵抗自动识别的机制,如人脸旋转,人脸与背景融合,噪线干扰等。FR-CAPTCHA每个验证码图像包含4到6个人脸,它需要用户在整个验证码图片中找到同一个人的脸。其破解有两个难点:人脸检测提取人脸区域和人脸匹配在所有人脸中找到同一个人的脸。我们首先利用基于Haar特征的adaboost分类器将所有人脸从复杂的背景中提取出来,之后利用叁种不同的匹配算法—直方图对比,几何特征匹配和弹性图匹配对检测出的人脸两两进行了比较,特征间距离最小的两个人脸图像即认为来自同一个人。最后,我们对叁种不同的匹配算法的破解结果进行了比较。本文的研究对当前基于人脸识别的图像验证码设计的安全性提出了质疑,除此之外,通过分析相关攻击算法的优缺点,也为设计出下一代安全性更高的图像验证码提供了参考。(本文来源于《西安电子科技大学》期刊2014-12-01）
叶振[10]（2014）在《一种新型图像验证码系统》一文中研究指出验证码是一种防止自动化脚本程序对网站进行攻击的重要技术。当前主流网站采用的验证码多是基于文本模式的,这种模式的验证码将一系列文本字符通过旋转扭曲迭加的方式进行变形,然后再添加复杂干扰背景图片等方式使自动化程序难以辨识。然而,这种文本验证码要么过于简单,很容易被脚本采用光学字符识别(OCR)或者机器学习的方式所识别,要么由于过于复杂甚至连真正的用户都难以正确的识别。观察到文本验证码的这种安全性和可用性方面存在的矛盾,本文提出了一种基于物体识别的新型图像验证码系统。该系统通过将若干物体图片附加到随机的背景图片中并让用户识别的方式来辨别自动脚本和真正的用户。(本文来源于《数字技术与应用》期刊2014年08期）
图像验证码论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
验证码作为一种安全手段,被广泛应用于互联网领域.本文提出了一种基于卷积神经网络的图像验证码识别方法,通过卷积层级联、残差学习、全局池化、分组卷积等技术手段,在保证识别准确率不受影响的前提下,大大降低了网络的参数量.本文以铁路购票网站验证码和正方教务系统验证码为例来测试模型性能.对于铁路购票网站验证码,实验结果显示本文提出的识别方法参数量最少,对图形和中文词组验证码的识别准确率分别达到98.76%和99.14%;对于正方教务系统验证码,本文方法参数量最少且识别准确率为87.30%.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
图像验证码论文参考文献
[1].徐星,宋小鹏,杜春晖.基于深度学习的验证码图像识别[J].测试技术学报.2019
[2].秦波,顾乃杰,张孝慈,林传文.基于卷积神经网络的图像验证码识别[J].计算机系统应用.2018
[3].白培瑞,王金博,丁国梅.一种通用的基于图像分割的验证码识别方法[J].山东科技大学学报(自然科学版).2018
[4].孙中廷.基于C#动态生成图像验证码的研究与实现[J].福建电脑.2017
[5].曹放.基于视觉感知的图像验证码设计与研究[D].西安电子科技大学.2017
[6].温亮,王莉雯.基于C#的随机图像验证码的绘制[J].城市地理.2016
[7].冯飞.图像识别：提升识别精度有赖专利“点睛”[N].中国知识产权报.2015
[8].石冬冬.基于局部不变特征的图像匹配技术在新型图片验证码识别中的应用研究[D].西安电子科技大学.2015
[9].齐娇.基于人脸的图像验证码自动识别方法研究[D].西安电子科技大学.2014
[10].叶振.一种新型图像验证码系统[J].数字技术与应用.2014