【技术实现步骤摘要】
图像处理方法、装置、非易失性存储介质及处理器
本申请涉及验证码识别
，具体而言，涉及一种图像处理方法、装置、非易失性存储介质及处理器。
技术介绍
验证码(CAPTCHA)是全自动区分计算机和人类的图灵测试(CompletelyAutomatedPublicTuringtesttotellComputersandHumansApart)的缩写，是一种区分用户是计算机还是人的公共全自动程序。通过验证码，可以有效防止某个黑客对某一个特定注册用户用特定程序暴力破解方式进行不断的登陆尝试行为，例如恶意破解密码、刷票、论坛灌水等行为。验证码对应的问题可以由计算机生成并评判，但是必须只有人类才能解答，由于计算机无法解答CAPTCHA的问题，所以回答出问题的用户可以被认为是人类。但在现在实际生活中，通过程序破解验证码的情况愈加普遍，为了进一步筛选出用户中的人类用户，对图片验证码进行复杂化，最常见的图片验证码复杂化的方法就是在图片背景中加入大量无意义的噪声，使得图片验证码看起来很复杂。由于大量无意义噪声的加入，会使得这些噪声在干...
【技术保护点】
1.一种图像处理方法，其特征在于，包括：/n对第一验证码图像添加随机噪声，得到第二验证码图像，其中，所述第一验证码图像是对包含验证码的图像添加机器干扰噪声得到的；/n对所述第二验证码图像进行多次卷积运算，得到目标验证码图像，其中，在所述多次卷积运算中，采用全卷积网络对所述第二验证码图像执行首次卷积运算之后，依次采用修正后的全卷积网络对所述第二验证码图像执行所述首次卷积运算以外的每一次卷积运算，其中，每次卷积运算对应的修正后的全卷积网络由上一次卷积运算的结果图与所述第一验证码图像之间的损失值进行修正得到。/n
【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：
对第一验证码图像添加随机噪声，得到第二验证码图像，其中，所述第一验证码图像是对包含验证码的图像添加机器干扰噪声得到的；
对所述第二验证码图像进行多次卷积运算，得到目标验证码图像，其中，在所述多次卷积运算中，采用全卷积网络对所述第二验证码图像执行首次卷积运算之后，依次采用修正后的全卷积网络对所述第二验证码图像执行所述首次卷积运算以外的每一次卷积运算，其中，每次卷积运算对应的修正后的全卷积网络由上一次卷积运算的结果图与所述第一验证码图像之间的损失值进行修正得到。
2.根据权利要求1所述的方法，其特征在于，所述对所述第二验证码图像进行多次卷积运算，得到目标验证码图像包括：
采用所述全卷积网络对所述第二验证码图像执行卷积运算，得到第一结果图；
将所述第一结果图与所述第一验证码输入损失函数进行处理，得到所述第一结果图和所述第一验证码图像之间的第一损失值，并基于所述第一损失值修正所述全卷积网络，得到第一次修正后的全卷积网络；
采用所述第一次修正后的全卷积网络对所述第二验证码图像执行卷积运算，得到第二结果图；
将所述第二结果图与所述第一验证码输入所述损失函数进行处理，得到所述第二结果图和所述第一验证码图像之间的第二损失值，并基于所述第二损失值修正所述第一次修正后的全卷积网络，得到第二次修正后的全卷积网络，直至一次卷积运算得到的结果图与所述第一验证码图像之间的损失值小于预设值。
3.根据权利要求2所述的方法，其特征在于，所述将所述第一结果图与所述第一验证码输入损失函数进行处理，得到所述第一结果图和所述第一验证码图像之间的第一损失值包括：
通过生成式对抗网络损失函数对所述第一结果图和所述第一验证码图像进行处理，得到第一子损失值；
通过分类损失函数对所述第一结果图和所述第一验证码图像进行处理，得到第二子损失值；
通过差异损失函数对所述第一结果图和所述第一验证码图像进行处理，得到第三子损失值；
计算所述第一子损失值、所述第二子损失值以及所述第三子损失值的和，得到所述第一损失值。
4.根据权利要求1所述的方法，其特征在于，所述全卷积网络为U-net网络。
5.根据权利要求1所述的方法，其特征在于，在所述对第一验证码图像添加随机...
【专利技术属性】
技术研发人员：林佳楠，孟杨，沈超逸，郑志崇，卢宝霖，
申请(专利权)人：山石网科通信技术股份有限公司，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。