随着科技日新月异的进步,网络在给人们带来丰富资源的同时,其安全问题也显得尤为重要。验证码的出现,有效地解决了这个问题,并且在网络防护和信息安全方面,有着广泛的应用。但在数据挖掘中,验证码的存在又阻碍了我们对数据的获取。从而本论文的研究目的就是识别出数据获取过程中出现的验证码图片。不过随着网络攻击手段的不断提升,验证码技术也在持续改进中。从原始的简单、规整的数字、字母到现在的各种图形文字、交互式、点触式和改进的数字、字符等多元化验证码类型。由于验证类型的多样性,人们不能设计出一个万能的验证码识别模型,只能针对某一类的验证码进行算法设计。本文选取的是针对改进的数字、字符类型的验证码。这种类型验证码的主要特点有:(1)各种各样的背景噪音;(2)字符扭曲旋转;(3)字符粘连等。本文选用的校内网验证码就是该类型中最典型的一种。其主要研究内容归纳如下:(1)分析网页,收集验证码数据集,通过分析校内网验证码图片的特点,提出RGB三原色背景去噪的方法来去除验证码的背景噪声。同时,将其与传统的背景去噪法相比,展现出良好的效果。(2)针对局部干扰噪音,采用相邻像素判断的方法进行噪点去除,同时将验证码图片二值化。(3)针对字符扭曲、粘连的特点,在字符分割方面介绍了平均值切割与水滴算法结合、上下轮廓差投影和水滴算法相结合和直接平均值的分割方法,并将三者分割后的识别效果相比较。(4)最后得到单个字符模型,利用机器学习KNN算法,进行字符识别,从而得到识别结果。论文创新点在于:(1)首次提出了RGB三原色背景去噪的方法,它能有效地去除图片中绝大部分的背景噪音,相比于传统去噪方法,有很好的性能提升。(2)采用上下轮廓差投影法与水滴算法相结合的方法,能更准确地切割出单个字符。