关于验证码识别的两种方案

最近在做验证码识别的程序，找了不少资料，主要是两种方法。分别是（我称之为）“自建库方法”，“shape context方法”。

    这两种方法，其实是从两种方式来分析图像，前者的中心思想是切割出单个字符，将之变为一串二进制的key值，（在php中）以similar_text函数来得到相似度，这种方法，在网上有非常好的例子，

网址分别是：

http://blog.csdn.net/ugg/article/details/3953137《php实现验证码的识别(初级篇)》，

http://blog.csdn.net/ugg/article/details/3972368《php实现验证码的识别(中级篇)》

（恕我猜疑，这种方法的源头，我觉得是来自一篇外国的本科生的毕业论文，里面详细叙述了这种方法），不过，这种方法在识别复杂的验证码上是有着明显缺陷的——因为它非常依赖样本库，如果字符变化较多（缩放、旋转、变形），即使能以这种方式识别，可想见库是非常庞大的，并且没有什么普遍性（即一个库只能对应一种验证码）。

    虽然有种种“缺陷”，我还是试着去做了个程序。不言而喻，这个程序的核心部分是样本数据库，所以我采用一种“用人工识别特别码”的方法。具体方法是：如果识别错误，则将其中相似度（这里用的是php中的similar_text函数）低于阀值的字符插入待人工审查的数据库。

    另一种方法——“shape context方法”的角度完全不同，它是以形状的角度出发，偏重于数学的应用（出自balack大学的两个老师之手），但使用起来比较麻烦。在网上很少能找到相关代码，以下资料是找到的为数不多的实例：http://www.cnblogs.com/xiaotie/archive/2009/01/15/1376677.html?page=2#pagedcomment《车牌识别及验证码识别的一般思路》。这种方法可能需要借助更“强大”的语言，正在研究中ing