|
stvista
本文只是技术原理的介绍,未提供具体的方法.
为了方便说明原理,举了几个网赚中常见网站的例子,只是为了阐述方便,不是探讨如何作BI这些网站.就像讨论病毒往往是为了防病毒一样。站长在选图灵系统时，知道一点相关原理是必要的。
图灵码是这样生成的:图灵生成机对从标准图库中随机抽出几个字符的基本形态,然后要做旋转、拉伸、变形、随机摆放、颜色变化、加背景、加噪等处理。每一个字符都可能会有多个基本形态.
最弱智的图灵生成系统是这样：只有0-9这10个字符、每个字符只有一个基本形态、图灵生成机对字符不做大的处理只加一点噪而已。
对于最弱智的图灵生成系统，用枚举法即可。
识别的重点技术：1.图像处理；2.构造模板库
图像处理:对图像去噪,二值化,文字位置定位,文字大小归一化等
识别过程:对给定的图像,图像处理后,抽取特征值,和模板库中各个字符的特征值一一比较,最匹配且误差足够小,就返回这个字符
模板库的生成:针对某站的图灵采集大量样本,先做图像处理,提取特征值,用步进式学习法调整模板特征值,程序循环迭代,使识别误差最多不能超过5%,学习完成后模板特征值入库.
像对于easyhits4u.com冲浪时的验证码，算是中等难度，做了旋转、拉伸、随机摆放、颜色变化、加背景、加噪变化，而且每行字往往是从低到高或从高到低斜过来写,这时你还要分清楚字符所在的行。
fastfreeway.com冲浪时的一般验证码，算是较易难度，他只做了随机摆放和加噪.每冲20来个后，会出来一个很复杂的验证码，字和字之间界限模糊，变形处理用了放大镜、水纹等多种模式，很吓人，但是研究发现，这个"复杂的验证码"并不是图灵机生成的，而是固定好的图片，这时就用枚举法就可以了，一共1000个这种图，存成枚举字典即可。
E-gold那种，动来动去，让人识别起来眼花，但是由于未做什么其它的处理,所以用程序处理起来不复杂。
GMAIL属于较难识别而已，引入变形模式的概念，识别时先对图像反变形，逐个模式去试。
HOTMAIL在变形方面比GMAIL简单，但是他的干扰处理比较好，因为他的有的干扰和字母很像。
程序识别不是万能的，结合到具体情况，往往有变通的处理。
对于非常非常难的图灵码，就是开个网站让别人去识别，识别好后立刻返回给你程序。如 look2earn
|
|
|
|
收藏
推荐
评论(0条)
