基于马尔科夫场网络验证码识别图像分割

汪宏兵

摘要：验证码图片是国内网站区别人机不同的重要手段。验证码的设计和使用安全性和互联网安全密切相关。为了减少网络验证码的识别的不确定性和模糊性对图像分割的影响，就需要充分利用图像的上下文信息。马尔科夫随机场[1，2]正是一种充分利用了上下文信息[3，4]的随机场模型。利用这一理论，实验结果表明，使用中的验证码具有良好的分割效果。

关键词：验证码；马尔科夫场；图像分割；Internet安全；图像的上下文信息

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2014）08-1787-03

1 验证码概述

1.1 验证码概念

验证码[6-7]是一种进行人机区分的方法.。随着互联网技术的快速发展与应用。网络在给人们提供丰富的资源和极大的便利的同时，伴随着而来的就是网络安全问题。验证码的出现加强了现在web系统安全的产物。

验证码最早作为卡内基梅隆大学的研究项目，Yahoo！是网络验证码的第一个用户，网络验证码是一种区分用户是人类还是计算机的公共程序。在一个验证码测试中，由计算机生成一个问题并评判用户的答案，这个问题必须只有人类可以回答。由于计算机无法回答，并由此可判断人机区别。

1.2 验证码分类

由于生成验证码程序的不同，验证码的种类也多种多样。答题有基于字符、3D验证码、基于数学的验证码、声音验证码和中文验证码等。

基于字符的验证码是网络中最常用的验证码。它易产生，具有标准答案，不受背景知识和文化差异的影响，暴力破解复杂度大。3D验证码对机器而言较为难以破解，但声称比较麻烦，用户 体验也不如字符严重么简单，很少有网站应用。中文验证码图片字符为汉字。由于中文字库较大，汉字字体类型较多，这类验证码可以底单得住国外垃圾信息的攻击。

1.3 验证码图片的特点

验证码一般是防止批量注册的，人眼看起来都费劲，何况是机器。二像网站http：//baike.baidu.com/view/579.htm未登录发贴要输入验证码大概是防止大规模匿名回帖的发生。目前，不少网站为了防止用户利用机器人自动注册、登录、灌水，都采用了验证码技术。所谓验证码，就是将一串随机产生的数字或符号，生成一幅图片， 图片里加上一些干扰，例如隨机画数条直线，画一些点（防止OCR），由用户肉眼识别其中的验证码信息，输入表单提交网站验证，验证成功后才能使用某项功能。

3 实验结果与分析

3.1 网络验证码识别步骤

验证码识别算法流程可分为三个步骤：第一步骤是前期预处理阶段，第二步骤是中期切分阶段，第三步骤是后期分析阶段，总共三个阶段。其中，最后一步需要模板库建立，并且识别两个步骤。下图中给出了三个步骤的分别过程。从图中可以得知，最后一步需要模板库，与模板库匹配的方法。第一阶段在尽可能的保存字符信息的前提下，还要尽可能除去验证码背景的噪声。也就是说第一阶段是一个去噪过程，彩色照片需要通过一定的数学转化成灰度图像，这样方便图像的识别。

该文选取了腾讯、凤凰网、新浪网等知名网站验证码，并给出了利用马尔科夫场的图像分割结果，如下表1：

参考文献：

[1] Krishnamachari S， Chellappa R. Multiresolution Gauss-Markov random field models for texture segmentation[J]. Image Processing， IEEE Transactions on， 1997， 6（2）： 251-267.

[2] Luettgen M R， Karl W C， Willsky A S， et al. Multiscale representations of Markov random fields[J]. Signal Processing， IEEE Transactions on， 1993， 41（12）： 3377-3396.

[3] 文晓阳， 高能， 夏鲁宁. 高效的验证码识别技术与验证码分类思想[J].计算机工程， 2009， 35（8）： 186-188.

[4] 贺强， 晏立. 基于形状上下文的复杂验证码识别算法[J]. Computer Engineering， 2011， 37（2）.

[5] 余鹏， 张震龙， 侯至群. 基于高斯马尔可夫随机场混合模型的纹理图像分割[J]. 测绘学报， 2006， 35（3）： 224-228.

[6] 吕刚， 郝平. 基于神经网络的数字验证码识别研究[J].浙江工业大学学报，2010， 38（4）： 433-436.

[7] 王建雄， 刘应龙. 基于人工神经网络的数字识别系统的研究[J].计算机技术与发展，2006（7）.

[8] Snijders T A B. Markov chain Monte Carlo estimation of exponential random graph models[J]. Journal of Social Structure， 2002， 3（2）： 1-40.