Segmentation of CAPTCHA Using Corner Detection and Clustering

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F20%3A10246213" target="_blank" >RIV/61989100:27240/20:10246213 - isvavai.cz</a>

Výsledek na webu

<a href="https://link.springer.com/chapter/10.1007/978-3-030-50097-9_67" target="_blank" >https://link.springer.com/chapter/10.1007/978-3-030-50097-9_67</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-030-50097-9_67" target="_blank" >10.1007/978-3-030-50097-9_67</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Segmentation of CAPTCHA Using Corner Detection and Clustering

Popis výsledku v původním jazyce

Character segmentation is the key to CAPTCHA recognition. In order to solve the problem of low success rate of CAPTCHA segmentation caused by adhesive characters, an adhesion character segmentation algorithm based on corner detection and K-Means clustering was proposed. The algorithm performs corner detection on the CAPTCHA image of the adhesive characters, then uses K-Means clustering method to cluster the corner points of ROI, and determines the adhesion character segmentation line from the clustering results. The experimental results are compared with the drop-fall and skeletonization, in which the recognition accuracy of the image with serious adhesion is 92%. The result shows the superiority of the segmentation algorithm and provides a new method for the segmentation of adhesive characters.

Název v anglickém jazyce

Segmentation of CAPTCHA Using Corner Detection and Clustering

Popis výsledku anglicky

Character segmentation is the key to CAPTCHA recognition. In order to solve the problem of low success rate of CAPTCHA segmentation caused by adhesive characters, an adhesion character segmentation algorithm based on corner detection and K-Means clustering was proposed. The algorithm performs corner detection on the CAPTCHA image of the adhesive characters, then uses K-Means clustering method to cluster the corner points of ROI, and determines the adhesion character segmentation line from the clustering results. The experimental results are compared with the drop-fall and skeletonization, in which the recognition accuracy of the image with serious adhesion is 92%. The result shows the superiority of the segmentation algorithm and provides a new method for the segmentation of adhesive characters.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2020

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Advances in Intelligent Systems and Computing. Volume 1156

ISBN

978-3-030-50096-2

ISSN

2194-5357

e-ISSN

2194-5365

Počet stran výsledku

12

Strana od-do

655-666

Název nakladatele

Springer

Místo vydání

Cham

Místo konání akce

Ostrava

Datum konání akce

2. 12. 2019

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000590145400067