互联网技术的快速发展，一方面为人们提供了许多有效的服务;但是，另一方面也给网络带来了许多安全隐患。验证码系统作为一种被广泛使用的验证手段，对网络安全起到了重要的保护作用。据研究，大多数现存的二维文本验证码都已经被成功破解。为了克服传统二维文本验证码的局限性，文本验证码的设计也演变出一些新的形式，其中就包括了3D文本验证码。这类验证码潜在的安全性依赖于:字符识别软件很难直接识别出图像中的3D对象，而人眼视觉系统可以。　　作为模式识别和图像处理等多个学术领域的交叉问题，验证码破解技术的研究，吸引了众多研究者的目光。3D文本验证码破解主要包括验证码字符提取、字符分割和字符识别三部分。其中最为关键的是验证码字符提取。文本字符信息提取得是否精确，将直接影响字符分割和字符识别的正确率。验证码系统的破解研究，既可以及时发现验证码系统存在的漏洞，也对防止恶意程序攻击和增强网络安全性有着重要的意义。　　本文主要根据3dcaptcha和Super Captcha两种三维文本验证码系统中，验证码图像的背景纹理呈现规律性分布的特征，设计了相应的破解算法。对于3dcaptcha验证码系统，本文利用验证码图像的像素密度、背景纹理梯度和背景直线之间的间距信息等特征，间接获取验证码字符表面区域。对于Super Captcha验证码系统，本文先计算验证码图像中背景线的梯度，再根据该梯度检测出未经扰动的直线。接着利用背景直线之间的间距基本不变的特征，对不属于字符表面的区域进行填充，从而得到字符表面。最后，基于BP(Back Propagation)神经网络算法对提取出的验证码字符进行识别。　　本文在3dcaptcha和Super Captcha数据集上，对两种破解算法进行了实验。实验结果表明，本文提出的两种破解算法的破解率分别为74.4％和56％。相较于已有文献中针对3dcaptcha和Super Captcha提出的破解方法，本文破解率是它的1.3倍和2倍。