观察矩阵模块包括：
[0053] 切分单元，用于将每个所述单个字符区域图像在水平方向上和垂直方向上分割成 长宽各为4像素的子块，其中，各子块之间有2像素重叠；
[0054] 变换单元，用于利用二维离散余弦变换对每个所述子块进行变换处理，得到变换 后图像；
[0055] 特征观察矩阵单元，用于获取变换后图像的左上角的2X2矩阵作为特征观察矩 阵。
[0056] 本发明所提供的字符图像验证码识别的方法及系统，该方法包括:获取字符图像； 对所述字符图像进行处理，得到二值字符图像，并利用预定除噪算法对所述二值字符图像 进行除噪;对除噪后的二值字符图像进行字符分割，得到单个字符区域图像;依次将每个所 述单个字符区域图像切分为预定大小的子块，利用二维离散余弦变换对每个所述子块进行 处理，获得特征观察矩阵;将所述特征观察矩阵作为二维隐马尔科夫模型的输入，对所述字 符图像进行识别；
[0057] 该方法利用二维离散余弦变换与二维隐马尔科夫模型相结合的方法对字符图像 验证码进行识别，提高了字符图像识别效果，且具有良好的适应性和有效性，能够高效的完 成字符图像验证码的识别。
【附图说明】
[0058] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可W根据 提供的附图获得其他的附图。
[0059] 图1为本发明实施例所提供的字符图像验证码识别的方法的流程图；
[0060] 图2为本发明实施例所提供的将原始彩色图片转化后的灰度图像的示意图；
[0061] 图3为本发明实施例所提供的将灰度图像转化为二值字符图像后的示意图；
[0062] 图4为本发明实施例所提供的将二值字符图像利用连通域滤波法除噪后的示意 图；
[0063] 图5为本发明实施例所提供的将二值字符图像利用最短路径法进行分割后的示意 图；
[0064] 图6为本发明实施例所提供的二维隐马尔科夫模型的示意图；
[0065] 图7为本发明实施例所提供的训练二维隐马尔科夫模型的流程图；
[0066] 图8为本发明实施例所提供的字符图像验证码识别的系统的结构框图。
【具体实施方式】
[0067] 本发明的核屯、是提供一种字符图像验证码识别的方法及系统，该方法及系统具有 良好的适应性和有效性，能够高效的完成字符图像验证码的识别。
[0068] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例 中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是 本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员 在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0069] 请参考图1，图1为本发明实施例所提供的字符图像验证码识别的方法的流程图； 该方法可W包括：
[0070] slOO、获取字符图像；
[0071] 其中，运里并不对获取字符图像的具体方式进行限定，只需要具有一个字符图像 即可。
[0072] sllO、对所述字符图像进行处理，得到二值字符图像，并利用预定除噪算法对所述 二值字符图像进行除噪；
[0073] 其中，运里对字符图像的处理要根据获取的字符图像的特点进行，若获取的字符 图像为灰度图像，则可W直接对其进行二值化处理，得到二值字符图像;若获取的字符图像 为彩色字符图像，则首先将该彩色字符图像转化为灰度图像，在对该灰度图像进行二值化 处理，得到二值字符图像。运里并不会二值化的具体算法和彩色图像转化为灰度图像的具 体方式进行限定。只需要满足最后可W根据加载的字符图像得到二值字符图像即可。下面 仅举出一个具体例子进行说明。
[0074] 例如:若加载的字符图像为彩色字符图像，则可W首先获取每个像素的颜色，利用 RGB形式进行表示，其中，RGB分别代表红色、绿色、蓝色分量。
[0075] 彩色字符图像转为灰度图像可W使用如下的灰度变换公式：
[0076] Υ = 0.299R+0.587G+0.114B，其中R、G、B分别为像素点颜色的红色、绿色、蓝色分 量。Y为得到的灰度图像;图2为将原始彩色图片转化为灰度后的图片。
[0077] 将灰度图像转化为二值图像的方式：
[0078] 可W采用阔值将灰度图像转换成二值图像，阔值的选取可W采用大津法(0STU)， 即选择使得两类样本间方差最大的灰度值作为阔值。利用该方法对图2进行二值化转换，转 换后如图3所示。
[0079] 对二值字符图像进行除噪的方法很多，可W根据实际情况中图像的噪声特点进行 选取，常用的除噪方法可W包括:连通域滤波，高斯滤波，超级曲线滤波等，其中，连通域滤 波:去除连通域面积小于一定临界值的区域;高斯滤波:对图像进行傅立叶变换，采用高斯 滤波器，之后对图像进行傅立叶反变换;超级曲线滤波:检测图像中存在的连续光滑长曲线 并进行过滤。
[0080] 例如对图3中的二值字符图像利用连通域滤波法去除图像中的噪点，取连通域面 积临界值为5,结果如图4所示。
[0081] S120、对除噪后的二值字符图像进行字符分割，得到单个字符区域图像；
[0082] 其中，要准确识别字符图像中的字符，需要对字符图像进行字符分割，即将字符图 片切分，使得每个子图仅包含单个字符。采用水平投影和最短路径相结合的方法进行分割。 分割后获得单个字符区域图像。
[0083] 可选的，对除噪后的二值字符图像进行字符分割，得到单个字符区域图像可W包 括：
[0084] 将除噪后的二值字符图像进行水平方向上的投影；
[0085] 选取投影中的空白区域的中屯、点作为分割点对除噪后的二值字符图像进行分割；
[0086] 但是当除噪后的二值字符图像存在粘连字符时，可W采用最短路径法对除噪后的 二值字符图像进行分割。例如对图4中的二值字符图像利用最短路径法进行分割后的示意 图如图5所示。
[0087] S130、依次将每个所述单个字符区域图像切分为预定大小的子块，利用二维离散 余弦变换对每个所述子块进行处理，获得特征观察矩阵；
[0088] 其中，特征提取的方式很多，运里使用二维离散余弦变换分别对分割后的单个字 符图像进行特征提取。首先需要对单个字符区域图像进行切分，切分的大小可W根据用户 进行确定。例如:将图像沿水平和垂直方向分割成若干长宽各为4像素的子块，各块之间有2 像素的重叠。对每个子块进行二维离散余弦变换，取变换矩阵左上角的2X2矩阵元素作为 特征观察矩阵。
[0089] S140、将所述特征观察矩阵作为二维隐马尔科夫模型的输入，对所述字符图像进 行识别。
[0090] 其中，运里利用训练好的二维隐马尔科夫模型作为识别工具，根据特征观察矩阵 对字符进行识别，得到识别结果即获得识别字符。
[0091] 其中，可W在水平和垂直方向分别构建一维隐马尔科夫模型，并根据字符训练样 本对模型进行训练，从而构建二维隐马尔科夫模型。
[0092] 基于上述技术方案，本发明实施例提供的字符图像验证码识别的方法，克服自动 化程序中验证码识别方法对于复杂字符图片验证码(存在噪音、字符粘连、倾斜、旋转、变形 等)无法识别的缺陷。利用二维离散余弦变换与二维隐马尔科夫模型相结合的方法对字符 图像验证码进行识别，提高了字符图像识别效果，且具有良好的适应性和有效性，能够高效 的完成字符图像验证码的识别。
[0093] 可选的，上述技术方案中对所述字符图像进行处理，得到二值字符图像，并利用预 定除噪算法对所述二值字符图像进行除噪可W包括：