(模式识别与智能系统专业论文)hips鉴别图像识别.pdf_第1页
(模式识别与智能系统专业论文)hips鉴别图像识别.pdf_第2页
(模式识别与智能系统专业论文)hips鉴别图像识别.pdf_第3页
(模式识别与智能系统专业论文)hips鉴别图像识别.pdf_第4页
(模式识别与智能系统专业论文)hips鉴别图像识别.pdf_第5页
已阅读5页,还剩63页未读, 继续免费阅读

(模式识别与智能系统专业论文)hips鉴别图像识别.pdf.pdf 免费下载

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

北京邮电大学硕士学位论文i i 口s 鉴别图像识别 川p s 鉴别图像识别 摘要 交互式用户身份验证( m p s ,h u m a ni n t e r a c t i o np r o o f s ) 是一种 网络安全前端预防措施,鉴别网络用户的身份,避免服务器遭受网络 中恶意代码的攻击。h i p s 被称为r 图灵测试,它的目的与图灵测试 是一致的,通过代码自动生成测试问题,分析用户的反馈自动判断用 户是真芷的人还是恶意代码,从而起到保护网络的作用。 在h i p s 鉴别图像场景中,复杂的纹理背景、噪声的污染、物体 的遮挡、物体的形变等因素给识别h i p s 鉴别图像带来了困难尊本文 针对物体形变的影响,提出了一种识别h i p s 鉴别图像的方法。 在文章中,首先,介绍了鉴别图像识别系统原型的实现框架和相 关的实现技术。 然后,对鉴别图像识别系统原型进行测试,实验结果表明系统原 型中基予字符轮廓的字符识别模块的识别结果并不理想。文章中针对 字符识别模块的不足进行了字符识别的改进。 字符识别地改进是根据h i p s 鉴别图像的生成机制。系统控制模 型对鉴别图像外在形式的影响,使得h i p s 鉴别图像中的字符数据的 空闻分布的特点低维的非线性流形。 针对字符数据空间分布的结构,提出了一种解决的方法。使用分 段的线性流形近似非线性流形,化整为零,通过将全局的非线性转化 为局部的线性,化解了数据分析的困难。通过实验,对比与之前系统 原型使用的字符识别模块的性能的优劣。 最后,文章中的字符识别的方法不仅可以用于鉴别图像的识别, 也可以应用到手写字符的识别,论文中对m n i s t 字符数据库和u s p s 字符数据库分别进行了测试,得到了9 6 5 4 和9 6 3 2 的正确率。 关键词:线性流形;线性子空间;混合高斯模型;e m 参数估计;马 氏距离;字符识别 北京邮电大学硕士学位论文h i p s 浆别图像识别 r e c o g n i z i n gh u m 埝ni n t e r a c t i o np r 0 0 f s h i 醚,h u m a ni n t e r a c t i o np r o o f s ,i su s e da st h ef i r s tg a t et op r o t e c t n e t w o r ks e r v e r sf r o ma t t a c k i n g ,a n dk e 印u s e r s p r i v a t ei n f o r m a t i o ns a f e h i p sa c tl i k eat u r i n gm a c h i n e ,w h e nt r yt oa c c e s st os e r v i c e ,h i p sw i l l p r o v i d eo n ep i c t u r ea n da s kt h ec l i e n tt os u p p l yt h ea n s w e r t h r o u g h a n a l y z i n gt h er e s p o n s e ,h i p sw i l la u t o m a t i c a l l yc l a s s i f yt h ec l i e n ta s h u m a n b e i n go rc o d e ,a n dt h e nt a k ep r e d e f i n e da c t i o n s 弧er a t i o n a li st h e g a pb e t w e e nn a t u r a li n t e l l i g e n c ea n dm a c h i n ep e r c e p t i o n i nt h ec o n t e x to fh i p s i m a g e ,m a n yf a c t o r s ,s u c ha s t e x t u r a l b a c k g r o u n d ,r a n d o mn o i s e ,o c c l u s i o n ,a n dd e f o r m a t i o n ,d e c r e a s et h e p r o b a b i l i t yo fb e i n gh a c k e d 羽:l i st h e s i si s d e d i c a t e dt od e a lw i t h d e f o r m a t i o n 。 f i r s t ,w ei n t r o d u c eo u rr e c o g n i z i n gs y s t e ma n dd e t a i l sa b o u t i m p l e m e n t i n gt h es y s t e m t h e n ,w eu s eg r a p h i c a lm o d e lt om o d e lt h eg e n e r a t i o np r o c e s so f h i p s u n d e rt h ec o n t r o lo ft h ei n n e rv a r i a b l e s ,t h ed i s t r i b u t i o no ft h e c h a r a c t e r se x t r a c t e df r o mt h eh i p si m a g e si so n el o w - d i m e n s i o n a l i t y n o n - l i n e a rm a n i f o l de m b e d d i n gi nh i g h d i m e n s i o n a l i t yf e a t u r es p a c e w ep r o p o s eo n em e t h o dt om o d e lt h i sd i s t r i b u t i o n e 籁c i e n t l y c r o s s i n go v e rt h en o n l i n e a r i t y i nt h i st h e s i s ,w eu s ep i e c e w i s el i n e a r m a n i f o l dt oa p p r o a c ht ot h en o n - l i n e a rm a n i f o l d ,t r a n s f e r r i n gt h eg l o b a l n o n l i n e a r i t y t ol o c a l l i n e a r i t y t h r o u g he x p e r i m e n t s ,t h es y s t e m s p e r f o r m a n c ei sb o o s t e d a t h ee n d ,o u rm o d e lc a nb ea p p l i e dt or e c o g n i z et h eh a n d w r i t t e n d i g i t s f o rm n i s to u rr e s u l ti s9 6 5 4 ,a n df o ru s p st h er e s u l ti s 9 6 3 2 m 北京邮电大学硕士学位论文 i - n l , s 鉴别图像识别 k e yw o r d s :l i n e a rm a n i f o l d ;l i n e a r m o d e l s ;e m p a r a m e t e r e s t i m a t i o n ; r e c o g n i t i o n i v s u b - s p a c e ;m i x t u r eo fg a u s s i a n m a h a l a n o b i s d i s t a n c e ;d i g i t 北京邮电大学硕士学位论文h i p s 鉴别图像识别 独创性( 或创新性) 声明 本人声明所呈交的论文是本人在导师指导下进行的研究工作及取得的研究 成果。尽我所知,除了文中特别加以标注和致谢中所罗列的内容以外,论文中不 包含其他人已经发表或撰写过的研究成果,也不包含为获得北京邮电大学或其他 教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任 何贡献均已在论文中作了明确的说明并表示了谢意。 申请学位论文与资料若有不实之处,本人承担一切相关责任。 本人签名:篮奎日期:照堕:查:兰兰 关于论文使用授权的说明 学位论文作者完全了解北京邮电大学有关保留和使用学位论文的规定,即: 研究生在校攻读学位期间论文工作的知识产权单位属北京邮电大学。学校有权保 留并向国家有关部门或机构送交论文的复印件和磁盘,允许学位论文被查阅和借 阅;学校可以公布学位论文的全部或部分内容,可以允许采用影印、缩印或其它 复制手段保存、汇编学位论文。( 保密的学位论文在解密后遵守此规定) 保密论文注释:本学位论文属于保密在年解密后适用本授权书。非保密论 文注释:本学位论文不属于保密范围,适用本授权书。 本人签名:盗奎 导师签名:二芝卑二l 日期:一盟! ! 二= 北京邮电大学硕士学位论文 h i p s 鉴别图像识别 第一章绪论 交互式用户身份验证( h i p s ,h u m a ni n t e r a c t i o np r o o f s ) 是一种网络安全前 端预防措施,鉴别网络用户的身份,避免服务器遭受网络中恶意代码的攻击。 h i p s 被称为r 图灵测试,它的目的与图灵测试是一致的,通过代码自动生成测 试问题,分析用户的反馈自动判断用户是真正的人还是恶意代码,从而起到保护 网络的作用。 1 1h i p s 鉴别系统的社会意义:互联网安全 根据中国互联网信息中心于2 0 0 7 年9 月发布的第3 0 期全球互联网统计信 息跟踪报告【1 】的数据显示,目前全球使用互联网的用户总数达到6 5 7 亿人。同 时在中国互联网信息中心发布的第2 1 次中国互联网发展统计报告1 2 l 中指出, “截至2 0 0 7 年1 2 月,网民数已达到2 1 亿人 。这些统计数据说明了,互联网 正在深入大众的日常生活,而且整个用户群体还会不断增大。 随着互联网内容时代的到来,互联网资讯信息的高效率的时效性、精心包装 的丰富的内容、别具特色的金融服务等特点,使得互联网在人们的日常生活中扮 演了越来越重要的角色。在中国互联网络信息中心发布的第2 1 次中国互联网 发展统计报告的调查表明中国互联网用户使用互联网络具有如下一些特征:网 民平均每周上网时长是1 6 2 小时;即时通信、网络音乐和网络影视的浏览是目 前中国互联网用户的主要应用;2 2 1 的受调查者进行过网络购物,使用过网上 银行的受调查者占1 9 2 ,1 5 8 的受调查者有过网上支付的经历。随着网络的 发展,人们使用互联网已不再只是传统的功能,如通信、浏览新闻等,数字娱乐、 电子商务等新兴业务已慢慢成为网络的代名词,此外网络求职、网络教育、网上 炒股票基金等业务也在渐渐浮现。 全球化信息时代的到来,网络电子娱乐文化的兴起,政务信息的信息化,财 经金融的电子化,互联网信息技术越来越广泛地深入到社会各个领域,互联网成 为了传统社会活动的新的平台,国家与人民对互联网的依赖性越来越强烈,互联 网信息技术已经成为社会生活中不可割断的一部分。随之而来,安全问题己成为 网络发展备受关注的话题。 l 乏京郏电大学疆学健论文 i - l i p s 鎏剽整像谖割 1 1 1 网络恶意符为 在虚拟的互联网世界中没有一部行之有效的汉莫拉院法典惩恶扬善,缺乏明 确的法律约束,互联网成为了犯罪行为的温床,金融欺诈、个人信息的盗用、恶 意代码的攻击、淫秽信息的传播、知识产权的滥用甚至网络恐怖主义等等这些行 为层出不穷。随着各行各业对互联网的依赖性的蠢益增强,互联网中恶意攻击者 攻击能力的日益加强,豆联网中的违法行为和恐怖主义活动对互联网的安全构成 了严重的威胁。 互联网上的恶意攻击行为主要有如下几种形式,第一是恶意代码,主要包括 病毒、蠕虫、特洛伊木马。恶意代码的传播具有多样性与隐蔽性的特点,可以通 过电子邮件、即时透讯软件( q q 或m s n ) 、p 2 p 网络等途径传播,也霹以通过 移动硬盘、优盘等媒质传播,但以网络传播为主。第二是僵尸网络,僵尸网络英 文名称嘲做b o t n e t ,是互联网上受到黑客集中控制的一群诗算机,往往被黑客 利用发起大规模的网络攻击。僵尸网络发展迅速,逐渐成为网络攻击行为的基本 渠道。僵尸网络可以被用来发起分布是拒绝服务攻击( d d o s ) 攻击,发送大量 垃圾邮件和传播恶意代码,可以被攻击者利用收集用户的敏感信息,也可以进一 步组成更大的僵尸网络。僵尸网络具有分布性与自我增长特性,是现在网络安全 的最大恍患之一。不论是恶意代码还是僵尸网络,都对用户酶个人隐私,对政府 机关以及企业的正常活动造成了不可忽视的伤害。通过对上面网络攻击的主要行 为盼分析,我们酉以看出,鼹络攻击的技术以_ 及破坏能力越来越强大,传播途径 也越来越多样,但是不管是何种恶意行为,这些都需要经过网络服务提供商的服 务器系统,比如利用被控制的电脑通过g m a i l 、y a h o o 等服务提供商的邮件服务 发送海量的垃圾瘛器件等等。因此有必要在互联网服务提供商的服务接入这一模块 上加入一级安全措施,防止受控主机自动登录这些服务进行网络攻击。随着囡家 信患化进程的不断前进,互联网已经成为了匿家斡主要透信隧络,是国家不可或 缺的血脉,万一互联网遭到破坏,其后果将是灾难性的,保障互联网的安全其重 要性是不言而喻的。 另外,无政府主义行为,是互联网世晁中一个突出的特征。网络的匿名机制, 网络行为的法律责任不够明确,缺乏有效的监督管理,这些原因使得互联网助长 了某些攻击者进行言辞攻击、散布谣言、宣扬一些异端邪说的势头。更由于网络 安全措施的局限,这些无政府主义者可以利用恶意代码在互联网中进行大肆宣 传。互联黼已经融入了社会,与传统媒体一起组成了人们获取信息的立体渠道, 网络舆论的正确导向,关系着社会的和谐与稳定。维护互联网世界的有序与规范, 一方面需要有效的监督管理机制,另一方面也需要有一种技术能够在源头进行一 2 北京邮电火学硕士学位论文h i p s 鉴别图像识别 些防范措施。 互联网逐渐地融入到了社会活动的各个方面,一个可靠的安全的互联网是国 家经济建设的需要。互联网中的恶意攻击行为威胁了广大互联网用户的个人敏感 信息的安全。互联网已经成为了人们精神活动的第二家园,互联网的安全建设与 亘联网这个虚拟世界中懿耩神文明建设己成为了人们的迫切需要。互联网的安全 建设,方面靠管理机制的完善,方面靠安全技术的发展。互联网中的恶意行 为,以网络服务器为主要的传播帮攻击途径。我们可以在源头加入一级防范措施, 拒绝这种恶意行为的服务请求,增强网络世界的安全与有序。这正是本篇文章中 提到的h i p s 图像鉴别技术产生的初衷。 1 2h i p s 鉴别系统的起源与图灵测试 h i p s 图像鉴别技术最早是由美国d e c 系统研究院的a n d r e ib r o d e r 和他的团 队于1 9 9 7 年提出来 3 1 。a n d r e ib r o d e r 提出h i p s 图像鉴别技术是为了帮助互联网 服务提供商越埝 v i s t a 解决恶意骚扰的窘境。础t a v i s t a 为用户提供了关于u r l 8 的查询服务,用户可以将重要的或是感兴趣的网页的u r l 添加到鲇t a v i s t a 的服 务器,a l 轻舶s t a 的服务器会对这些u r l 8 进行分析,当耀户查询的时候反馈给用 户一组对其而言较为重要的u r l s 的信息。这项服务为人们在网络中查询网页提 供了方便。然焉,有些人却专门写自动提交网页u r l 豹恶意代码,这种代码良 a l t a v i s t a 的服务器提交了大量的无用的网页的u r l ,严重的影响了a l t a v i s t a 服 务的排名算法,致使越t a _ v i s t a 不能够正常的帮助用产挖掘出重要的信息。为此, a n d r e ib r o d e r 和他的同事提出了h i p s 图像鉴别技术,通过测试自动评价服务请 求的对方是恶意代码还是真正需要这项服务的用户,以此拒绝恶意代码的服务请 求。据称,这项技术能够过滤出9 5 以上的恶意代码的服务请求,这极大地帮助 了a l t a v i s t a 开展它的服务。a n d r e ib r o d e r 的验证图像的生成方法:从设定的字 库中随机地选滋一些字体不一豹字符,之后经过定程度的线性的仿射变换,比 如旋转、缩放等;此外,算法还可以选择性地为背景加噪。由于字体表现形式上 的差异,字体几何形态上的不同,使得这种算法在一定程度上困扰了o c r ( 光 学字符识别) 。 在另一个领域,网络邮件服务提供商y a h o o 也遭受着同样的困境,海量的垃 圾电子邮件不仅让y a h o o 承受着臣大的压力,也是霹络中恶意代码传播的途径。 为此,2 0 0 0 年,受y a h o o 研究院的首席科学家u d im a n d e r 相邀,c m u 的m a n u e l b l u m 教授和他的学生为y a h o o 提嫩一种解决如此困境的方案l 。m a n u e lb l u m 教 授和他的团队采用了一种比a n d r e ib r o d e r 复杂的验证图片生成算法。两者提出 的算法整体思路是一样的,即在随机选出的字符之上加入图形滤镜效果。不同之 3 北京邮电大学硕士学位论文 h i p s 鉴别图像识别 处主要有以下两点:第一,m a n u e lb l u m 教授的方法以字符图像作为处理对象。 字符图像和字符表都是字符的函数映射,字符表是一维的映射,而字符图像是一 个二维函数,字符图像的函数形式更为复杂,寻找出对应的逆函数相对也较困难。 第二,m a n u e lb l u m 使用了更为复杂的滤镜处理模型。通过线性空间变换矩阵将 字符图像的二维空间变换到其他频率空间,常用的完备正交规范基是三角函数和 样条函数,调制频率分布可以得到较之仿射变换更为复杂的滤镜效果,比如鱼眼 效果( f i s h - e y ee f f e c t ,类似于字符膨胀,笔划变粗甚至不同笔划交融在一起) 、 波纹效果( 从水面之上观看字符的效果) 以及其他一些更为复杂的形变效果。频 率调制的好处在于需要控制的参数较少,在原空间中是非线性的形变映射。此外, m a n u e lb l u m 还在生成的验证图像中的字符图像之上叠加了不规则的曲线,以此 降低被b o t 自动破解的可能性。现在,h i p s 验证图像已经被互联网服务提供商 广泛地采用了,比如q q 的登录界面要求用户输入验证图像提示的字符、互联网 论坛通过h i p s 验证图像鉴别技术防止b o t 肆意散播广告等等,h i p s 验证图像的 形式和内容也在不断改进,比如不再是由某一词库中的单词随机生成而是由字符 随机组合产生、以数字加字母的形式出现甚至出现了带有汉字的验证图像、验证 图像的背景色彩更加丰富纹理更加复杂、加入了随机噪声点降低验证图像的信噪 比等等。不管是a n d r e ib r o d e r 的方法,还是m a n u e lb l u m 的策略,抑或是更加 复杂的h i p s 验证图像,它们的原理都是利用了人类视觉与机器视觉技术的智能 鸿沟,即人类的庞杂的神经网络是一个强大的解卷积滤波器,而目前的机器视觉 技术还不能摆脱背景的干扰、样本的形式的多样的影响。近来,新出现了一些利 用人类推理能力远胜于机器推理能力这一实际情况的h i p s 验证方式。这一类 h i p s 验证方法不要求用户正确输入服务器所提供的经过非线性变换的文本字 符,其侧重点在于推理,而不在于识别。比如,服务器提供一张带有非常复杂的 公式的图像,要求用户输入正确的答案。再比如,服务器提供一组图像,让用户 回答这组图像的共同之处。由于本篇文章的工作重点在于识别,对于这类基于推 理能力的差别的h i p s 验证方式和相应的破解方法不进行讨论。 学界把h i p s 验证图像鉴别技术称为r - 图灵测试( r e v e r s e l yt u r i n g t e s t ) , 这个名字来源于m a n u e lb l u m 教授对其开发的系统的命名。m a n u e lb l u m 把他的 h i p s 验证图像是鉴别系统称为“c o m p l e t e l ya u t o m a t e dp u b l i ct u r i n gt e s tt ot e l l c o m p u t e r sa n dh u m a n sa p a r t ,缩写为c a p t c h a 。1 9 3 6 年,英国数学家阿兰图 灵提出了著名的“图灵测试,图灵测试是对智能技术的考验,如果通过了图灵 测试,我们就可以认为智能技术发展到了极致。图灵测试对现在的技术而言是一 个非常苛刻的试验,目前也不存在某种智能技术能够通过图灵测试。h i p s 的出 现正是基于这一事实。h i p s 验证图像鉴别技术之所以被称为r - 图灵测试,是因 4 北京邮电大学硕士学位论文 p s 鉴别图像识别 为它的目的与图灵测试是一致的,只不过测试官由真正的入换成了人类编写的代 码,通过代码自动生成测试问题,通过分析用户的回答自动判断用户是真正的人 还是恶意代码,从而起到保护网络的作用。 1 3 研究h i p s 鉴别系统破解方法的价值 破解h i p s 验证图片,即是求解h i p s 验证图片的逆映射函数,将此逆映射函 数形式地表示出来,通俗地说就是创造出一个机器使其能够通过h i p s 的鉴别。 h i p s 鉴别技术的理论基础在于现在科学家对人脑智能的机理的认识还处于猜测 和试验阶段,没有全面完整清晰地认识,人脑系统的复杂程度远高于现在的智能 机器。 h i p s 鉴别技术利用了目前智能技术的缺陷,利用了目前人类对于自身智能 机制的认识的局限。但是,另一方面,h i p s 促进了人们对智能机理的认识。破 解h i p s 鉴别系统在计算上存在可能性,也是非常有意义的。首先,h i p s 的鉴别 样本的生成模块的核心是一个带有多个控制参数的非线性映射函数。h p s 通过 控制参数使同一个类别的物体经过系统之后呈现出不同的外观与形态,自然世界 中物体的变化也是由非线性的系统控制着,h i p s 的生成模块是对自然世界的一 个数学上的模拟。自然世界中,控制物体的外观形态变化的因素非常多,非线性 与随机性使得我们无法收集到数量足够大的具有代表性的数据样本。学习样本的 限制制约了智能机器的识别能力。如果能够为自然的客观规律建立一个合理的全 面的数学模型,那么我们就可以通过计算机模拟获得数量庞大的而且具有典型性 的数据样本。为智能技术的研究创造一个良好的开始。其次,h i p s 鉴别系统与 自然世界相比起来,h i p s 鉴别系统的模型是自然的复杂系统的一个简化的模型, 可行解的空问的体积相对于学习自然世界的客观规律而言小得多,从计算能力的 角度来说,用暴力搜索的方法去求解h i p s 鉴别系统的非线性映射函数,破解h i p s 鉴别系统存在着可能性。再者,h i p s 鉴别系统虽小,但是却包含了许多实际应 用中遇到的困难。比如背景噪声、物体之间的景深关系、同一种类物体的外观形 态的多样性。一般情况下,空间中样本的分布是一个内嵌于高维空间中的低维的 非线性流形的形式,欧式距离的度量函数不再适用,空间分布的非线性与不规则 为数据分析带来了极大的困难。由上面的分析,h i p s 一方面可以作为我们研究 智能技术、训练智能机器的学习样本的产生器,另一方面h i p s 鉴别系统面临着 一般实际研究中普遍遇到的困难,而且对于特定场景的h i p s 鉴别系统其待学习 的函数空间的体积有限,计算上存在破解的可能性。样本的代表性、问题的典型 性以及计算的可能性使得研究h i p s 鉴别系统的破解方法具有一定的学术上的价 值。 北京邮电大学硕士学位论文l a p s 鉴别图像识剐 另外,研究h i p s 鉴别系统的破解方法对于促进h i p s 算法的发展提升h i p s 的可用性与安全性也具有重要的意义。破解h i p s 鉴别系统,就是要从庞大的可 能的非线性函数组成的函数空间中寻找出i - i 口$ 鉴别系统对应的非线性函数。从 智能技术的角度来说,这个破解过程是一个学习的过程,即智能机器通过学习给 定的样本抽象出h i p s 鉴别系统所使用的非线性函数的形式与参数。这一个过程 能够说明了哪些地方智能技术能够做得跟人类一样出色,哪些地方智能机器不如 人类。因此,破解h i p s 鉴别系统能够帮助研究人员发现系统的缺陷,帮助研究 人员从试验的角度去认识智能的机理,促进h i p s 鉴别技术的改进。 1 4 机器学习在h i p s 鉴别系统破解的应用 关于破解h p s 鉴别系统的研究出现于2 0 0 3 年,由于目前大部分的h i p s 鉴 别系统已图像鉴别为主,现在的研究主要集中在模式识别、机器学习、文本图像 分析、计算机视觉等等跟图像分析相关的领域。根据所要破解的h i p s 鉴别系统 的原理的不同,采用的方法也有所区别。但是,一般而言,破解h i p s 鉴别系统 一般由两个模块构成:分割模块和识别模块。分割模块从背景中抽取出字符图像, 识别模块对其进行识别分析。这两个模块组成的框架也是一般的图像识别问题的 解决途径。破解h i p s 鉴别系统的研究可以作为图像分析的一个特例,反之,图 像分析的方法和研究成果可以帮助寻找h i p s 鉴别系统的逆映射函数。 伯克利大学的g r e gm o i l 教授和j i t e n d r am a l i k 教授在2 0 0 3 年的c v p r 会议 上第一次发表了他们对破解h i l l s 鉴别系统的研究1 4 1 。g r e gm o r i 和j i t e n d r am a l i k 以y a h o o 的g i m p y 和e z g i m p y l 两种鉴别图像作为研究样本。g i m p y 和e z - c f i m p y 两种图像都是基于词的鉴别图像,即从词典中随机选择一个词,之后经过滤镜处 理生成鉴别图像。g i m p y 和e z g i m p y 的鉴别图像具有如下特点:( 1 ) 语言模型, 这是由其基于词的生成算法决定的;( 2 ) 字符形变,其产生字符形变的函数形式 较为复杂,不是简单的欧式空间的仿射变换;( 3 ) 混叠情形,这是因为生成算法 采用随机的空间分布;( 4 ) 纹理背景,g i m p y 和e z g i m p y 加入了复杂的纹理图 像。在破解g i m p y 和e z g i m p y 的方法中,g r e gm o r i 教授使用了一种称为s h a p e c o n t e x t ( s c ) 的全局的特征描述子作为字符的特征描述。s h a p ec o n t e x t 是一个 定义域为字符灰度图像的函数,抛弃字符图像的灰度特征的细节,保留了字符的 形状的几何信息。s h a p ec o n t e x t 是一个全局性的描述子,描述的信息的知识程 度更高,作为破解h i p s 的字符识别的特征描述鲁棒性更高。与一般的分割识别 的思路不同,g r e gm o r i 教授采用了识别指导定位的方法。对于e z g i m p y 的图 1 参见c , r e gm o r i 教授项目主页w w w c s s t i r c a m o r i h e s e a r c h g i m p y l 6 北京邮电大学硕士学位论文h 咀s 鉴别图像识别 像场景,g r e gm o r i 教授的处理过程:首先,利用o c r 识别器检测出h i p s 文本 鉴别图像中的可能存在的字符,并将字符的名称和字符的位置信息以链表的形式 存储起来。其次,将链表中的字符组成有向无环图( d a g ) ,并利用语言模型借 助d a g 的树型结构进行推理。最后,以推理得分最高的词作为识别的结果。对 于g i m p y 的处理,改进模型的关键之处在于引入描述景深信息的参数。g r e gm o i l 教授的实验结果,e z g i m p y 是9 2 的正确率,g i m p y 是3 3 的正确率。g r e g m o r i 教授的成功得益于( 1 ) s h a p ec o n t e x t 作为特征描述子具有强的鲁棒性;( 2 ) 使 用d a g 作为推理引擎,h i p s 文本图像中的字符个数相对于其他应用场景而言是 很少的;( 3 ) 语言模型,这是g i m p y 和e z g i m p y 的缺陷,也使得d a g 推理模 型在g - r e gm o r i 教授的模型中能够获得成功。此外,g r e gm o r i 教授和j i t e n d m m a l i k 还将s h a p ec o n t e x t 特征描述子推广到图像检索、物体识别等其他的应用场 景之中,并取得了不错的结果。 语言模型是破解皿s 鉴别系统的一个重要的线索,但是在大多数的场景中, 文本图像的生成方法并不是依据某一词典,而是随机选择单个字符组成鉴别的文 本。在这种场景中,g r e gm o i l 教授的模型并不完全适用。对于这种没有潜在语 言模型,完全随机的场景,一般采用普遍的机器学习方法解决:字符分割和字符 识别。由于h i p s 文本图像中的字符经过一层非线性的变换,因此原来适用于内 积空间的欧式测度不再适用了。字符在空间中的分布是镶嵌于高维空间中的低维 的非线性流形,解决非线性问题的一般方法是用线性的欧式空间模型逼近非线性 的几何模型【5 1 。手写字符识别研究的困难也在于数据分布的非线性特征1 6 】。y a n n l e c u n 说明了空间变换模型的不变子空间是非线性流形的任一局部区域的线性 近似,参照泰勒公式将这一不变子空间成为切平面。切平面与切平面之间的距离 称之为切距离( t a n g e n td i s t a n c e ) ,这一测度被用作非线性流形上样本之间相似 度的度量。在这一线性的近似模型中,识别器在m n i s t 字符测试集上取得了很 好的识别结果,而且具有空间线性变换的不变性。k u m a rc h e l l a p i l l a 将这一字符 识别模型应用到了h i p s 的破解方法中【7 l 。k u m a rc h d l a p i l l a 的系统大致上分为两 个模块,首先是预处理模块,主要进行降噪、分割操作;然后是卷积神经网络, 用于字符识别。根据实验结果,k u m a rc h e l l a p i l l a 指出他的系统不仅可以处理线 性的空间变换而且对于非线性的变换具有已经的不变性。切空间模型的基础是仿 射变换,理论上卷积神经网络处理非线性的变换是存在困难的。唧s 文本图像 的字符的尺度相对较小,字符的非线性形变在这种尺度下可以近似为线性的空间 变换。此外,神经网络的网络拓扑结构一般比较庞大,计算效率是神经网络经常 遇到的问题。 h i p s 鉴别图像的分析是图像分析的一个特例,图像分析的一般框架适用 7 北京邮电大学硕士学位论文h i p s 鉴别图像识别 于对h i p s 鉴别图像的破解。图像分析中的各种特征描述子可以作为h i p s 鉴别图 像中字符的鲁棒的特征向量,而h i p s 鉴别方法中潜在的非线性映射函数的形式 与参数可以通过机器学习的方法进行破解。 1 5 研究工作内容 在h i p s 鉴别图像场景中,复杂的纹理背景、噪声的污染、物体的遮挡、物 体的形变等因素给识别h i p s 鉴别图像带来了困难。本文针对物体形变的影响, 研究了识别h i p s 鉴别图像的方法。 首先,介绍了鉴别图像识别系统原型的实现框架和相关的实现技 术。 然后,对鉴别图像识别系统原型进行测试,实验结果表明系统原 型中基于字符轮廓的字符识别模块的识别结果并不理想。文章中针对 字符识别模块的不足进行了字符识别的改进。 字符识别地改进是根据h i p s 鉴别图像的生成机制。系统控制模 型对鉴别图像外在形式的影响,使得h 3 s 鉴别图像中的字符数据的 空间分布的特点低维的非线性流形。 针对字符数据空间分布的结构,提出了一种解决的方法。使用分 段的线性流形近似非线性流形,化整为零,通过将全局的非线性转化 为局部的线性,化解了数据分析的困难。通过实验,对比与之前系统 原型使用的字符识别模块的性能的优劣。 最后,文章中的字符识别的方法不仅可以用于鉴别图像的识别, 也可以应用到手写字符的识别,论文中对m n i s t 字符数据库和u s p s 字符数据库分别进行了测试,得到了9 6 5 4 和9 6 3 2 的正确率。 1 6 论文组成结构 论文的主要部分由第三章、第四章和第五章组成。 第二章,介绍h i p s 鉴别图像的分类和论文工作使用的鉴别图像数据。 第三章,介绍h i p s 鉴别图像识别框架和识别鉴别图像时需要用到的图像预 处理技术。 第四章,介绍h i p s 鉴别图像识别系统原型,详细介绍系统实现过程中的图 像的预处理、字符的提取、字符轮廓的提取、字符的矫正、字符识别。 第五章,第四章对鉴别图像系统原型测试的结果较为一般,第五章根据系统 原型中字符识别模块的缺陷进行字符识别模块的改进,并取得了不错的识别结果 北京邮电大学硕士学位论文 玎p s 鉴别图像识别 的提升。 第六章,第五章提出的针对鉴别图像中字符识别的改进方法,也可以应用于 手写字符识别中。本章,使用这种模型,对两个标准的手写字符库进行测试,取 得了不错的结果。 第七章,工作总结和展望。 9 北京邮电大学硕士学位论文h i p s 鉴别图像识别 第二章h i p s 鉴别图像及论文工作的数据 2 1h i p s 鉴别图像的分类 自从y a h o o 公司推出c a p t c h a 鉴别系统以来,目前h i p s 鉴别系统已经被 各种网络服务提供公司广泛地采用。不只在国外,国内众多网络公司也采用h i p s 鉴别系统作为网络服务的前端接入鉴别模块。h 疋s 鉴别系统拥有庞大的使用者, 这为研究h i p s 鉴别系统的破解带来了极大的便利,研究的样本的来源丰富,样 式不尽相同,而且因为h i p s 的鉴别图像是由程序自动生成,所以研究的样本的 数量是无法计数的。如果样本数据能够完整的诠释h i p s 鉴别样本的内生空间, 那么对i - i p s 鉴别系统的破解就成功了一半。目前,互联网上常见的h i p s 鉴别系 统的验证图片有如下: 霉孽誊? 渤熊 冬瓠挪 零: 神o a 鬟 i 2 1 ,睽赋 囊童。馥篓翥一譬冀爨蓥 霍 豳圆 必 穆熬蟹萝 c o u s i 图2 - i 常见的h i p s 鉴别系统的样本 h i p s 鉴别系统滤镜的不同,鉴别图像亦不相同。图2 1 列举出目前较为常见 的几种h i p s 鉴别样本,包含了多种滤镜效果:雾化效果、水墨效果、旗帜效果, 规则的空间变换和非线性的空间变换,字符种类有数字、小写字母、大写字母、 中文。由此可以发现i h p s 鉴别系统的样本的种类非常繁多,不同的肿s 鉴别系 统其鉴别图像的场景不一样,预处理的方法不同。所以,要找到一种普遍使用的 破解系统是一个非常困难的课题。 为了分析的方便,将肿s 鉴别系统依据鉴别样本字符的类别、纹理背景的 复杂、噪声污染的程度以及空间变换的特点分为两大类,一是纹理背景较为简单、 字符形变较为规则,以图2 1 的第一行和第二行为例,称之为h i p s i 型鉴别系统; 一是纹理背景较为复杂或者字符形变非线性,以图2 1 的第三行样本为例,称之 为i - h p s i i 型鉴别系统。 1 0 北京邮电大学硕士学位论文h i p s 鉴别图像识别 2 2 论文工作使用的数据 正如上- d , 节介绍的,h i p s 鉴别图像的样式非常繁多,背景纹理的复杂和 字符形式的多样,这些因素使得在处理i - - i 口s 鉴别图像的时候,无法使用一种通 用的方法。比如,噪声污染的滤除、字符的切割等等,不同场景的h i p s 鉴别图 像,处理的方法不同。 论文使用了如图2 2 的鉴别图像作为论文讨论的数据对象和论文实验工作的 数据。数据来源于新浪网的论坛。 i 专? $:譬箩子j。等多:秘,誊譬; j 6 直) 9 3 i 每量每鼍专歹j箩i ? 。警岛;i 童奠,磅 客 $ 鼍。o 。鼍o o o o 毒:豳圣客:台蓄冀9 冬 譬蓼i 寰冬i哇i ,- f l r 彳譬零等;童分彳西童:& 毒;。建3 事毫 爹量亨节:参嗲:墨j 麓毒毒如童;事= = l 8 莓:亨呵哆 图2 - 2 论文工作使用的鉴别图像类型和数据样本 在论文工作中,使用这一类型的鉴别图像的原因是: l 、这种鉴别图像具有一定的代表性。现在国内大多数网站大多使用这种类 型鉴别图像,这使得论文的工作具有一定的普遍意义。 2 、需要一定的图像预处理。观察图2 - 2 中的鉴别图像,场景中有噪声点的 污染,字符在颜色和空间形态上存在着差异。因此,在识别鉴别图像的时候,需 要考虑图像预处理的方法,然后再进行字符的识别,这是识别鉴别图像的一般流 程。 3 、与课题相结合。论文的课题主要着重于处理字符形变的问题,识别存在 字符形变的鉴别图像。这种类型的鉴别图像中字符空间形变较大,对问题的讨论 具有一定的意义,使得论文中提出的方法具有一定的价值。 j l :京邮电大学硕士学位论文 h i p s 鉴别图像识别 第三章h i p s 鉴别图像识别框架及图像预处理 在第二章中,明确了论文工作所要处理和识别的鉴别图像的形式。在这一章 中,将要介绍鉴别圈像识别鲍框架和图像预处理的技术。 3 。1 鉴别图像识别框架 h i p s 鉴别图像识别,是图像识别的一种。鉴别图像的识别过程一般是: 首先,将图像与低逯滤波器进行卷积计算滤除图像中的毛刺; 然后,对图像进行二值化处理,并对二值化图像进行标定,计算区域的几何 信息,利用这些信息,进一步去除噪声; 之后,利用滤除噪声点后的二值化图像,获得图像前景的区域隐码,与原图 像进行与运算,切割出字符图像,进行特征抽取和模式识别。 经过前面的步骤之后,字符图像从鉴别图像中抽取出来,此时,识别鉴别图 像的问题转化为识别单个字符的问题。 最后,特征抽取和字符识别。特征抽取,一方面,是为了克服特征维数过高 所带来的种种数值计算上的困难,比如:特征维数高要求大的内存空间分配、计 算时闻效率不高、容易陷入奇异点等等;另一方面,是因为数据的特征存在着冗 余信息和噪声,这些冗余信息和噪声隐没了识别效力高的特征信息,所以需要抽 取出有用豹特征分壁,进行识别。 ; h i p s 鉴别图像识别的框架如图3 1 : 特 低图值嗓前征 通 像化 点景 抽 滤区去提取 波值域除 取糯 器化 信 识 息别 躅3 - ih i p s 鉴别霉像识别框架 北京邮电大学硕士学位论文i - 皿p $ 鉴别图像识别 下面,详细介绍图像预处理的技术。 3 2 图像预处理 图像预处理的目标是,滤除鉴别图像中的噪声污染,将字符从鉴别图像中切 割出来,并且对字符进行矫正,减小字符形变的影响。 3 2 1 图像平滑滤波 一般,在进行图像处理和图像识别之前,都需要滤除掉图像中的高频成分。 这是因为,一方面,图像中存在着噪声点,噪声点与它溺围的像素点在颜色、纹 理等特征上差异较大,在空间中是一个孤立的点,构成了图像中的高频成分;另 方面,图像中各个像素点之间的相关性很大,属于一个前景的像素点之间在灰 度、色彩、纹理上相似度高,然藤瞧子戒像过程中受到噪声的污染,像素点的特 征之间存在着些许差异,变化剧烈,在计算过程中,这些差异有时候对结果的影 响较大。所以在进行后续处理之前,需要利焉低透滤波器滤除掉图像中酶高频成 分,一方面,为了去除噪声,另一方面,为了使图像中区域内属于同个前景的 像素点的特征值变化平缓。 在图像处理中,用于平滑图像的低通滤波器有如下:中值滤波器、均值滤波 器、高斯滤波器。因为图像中局部区域的像素点的特征存在着相关性,所以图像 的平滑滤波是在图像中的像素点盼局部邻域中进行的。假设,当前的像素点是 识歹) ,该像素点的8 邻域集合是脚,_ ,士,) 脚= 0 ,l 一= o ,l ,中值滤波器将该像 素点秘8 个邻域点的特征值进行排列,取特征值序列的中闻位置上的特征值赋予 该像素点。均值滤波器将特征值序列的平均值赋予该像素点。 在均值滤波器中,所有邻域点对中心点的贡献一样。而,在高斯滤波器中, 不同位置上的邻域点对中心点的贡献是有差异的。高斯滤波器是用高簸核作为卷 积计算的核,假设中心为坐标轴的原点,邻域中某点的坐标是化力,那么该点 的权重是 w 黧占窖孚 一丽窖口 拶表示卷积计算的空闻尺度,口越大,卷积计算得到的图像越模颧,噪声在数值 上得到了抑制,同时前景图像也变得模糊。仃取得小,高斯滤波器对噪声的去除 不是缀有效。因此,在论文中根据所要处理昀鉴别图像的尺寸大小和图像特点, 选取适当的仃计算高斯核。论文中使用的邻域和高斯卷积核如下图所示: 北京邮电大学硕士学位论文h i p s 鉴别图像识别 3 2 2 图像二值化 圜 o 0 1 1 30 0 8 3 80 0 1 1 3 0 0 8 3 80 6 1 9 30 0 8 3 8 0

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论