3D文本驗證碼的破解技術研究

陸 穎，蘇智勇

(南京理工大學 自動化學院，江蘇 南京 210094)

3D文本驗證碼的破解技術研究

陸 穎，蘇智勇

(南京理工大學 自動化學院，江蘇 南京 210094)

為克服傳統(tǒng)二維文本驗證碼的局限性，文本驗證碼演變出一些新的形式，其中包括3D文本驗證碼。針對目前網(wǎng)站上使用的一種3D文本驗證碼，文中提出有效的破解方法。利用圖片中像素密度首先從驗證碼圖片中提取字符邊界；再通過圖像中背景紋理梯度方向基本不變的特征，從驗證碼圖片中提取字符背景，從而間接得到字符表面；然后根據(jù)字符信息的表現(xiàn)特征，設計字符分割算法，以得到驗證碼圖片的單個字符；最終采用OCR識別軟件——ABBYY進行字符識別。實驗結果表明，提出的破解算法在實驗數(shù)據(jù)集上取得了較好的破解效果。充分利用了驗證碼系統(tǒng)的規(guī)律，通過提取圖片背景間接得到字符前景。與基于直接提取字符表面的破解算法相比較，前者具有更好的適用性。

3D驗證碼；背景去除；字符提?。蛔址指?/p>

1 概 述

隨著互聯(lián)網(wǎng)的發(fā)展，各種網(wǎng)絡服務日益成為人們生活的一部分，但同時也給互聯(lián)網(wǎng)系統(tǒng)帶來了安全性問題。如免費服務資源遭受機器注冊攻擊，惡意計算機程序占用網(wǎng)絡服務資源，產生大量網(wǎng)絡垃圾等。因此，全自動開放式人機區(qū)分圖靈測試(CAPTCHA)應運而生，即通常所說的“驗證碼技術”。驗證碼這個詞最早是在2002年由卡內基梅隆大學的Von Ahn等提出[1]，是一種區(qū)分用戶是計算機還是人的公共全自動程序。隨著驗證碼技術的發(fā)展，驗證碼的種類也有多種多樣，包括基于文本字符的驗證碼、基于圖像的驗證碼、基于聲音的驗證碼和基于推理的驗證碼等。近年來，驗證碼系統(tǒng)被應用于各種網(wǎng)絡服務，例如Yahoo!、Microsoft和Facebook。驗證碼技術已成為互聯(lián)網(wǎng)必不可少的一部分。

2D文本驗證碼的應用最為廣泛。這類驗證碼圖像中包含數(shù)字、字母或其他文字。它的破解算法一般包括驗證碼預處理、字符分割以及字符識別這三個研究內容。其中字符分割是文本驗證碼破解的難點，它需要針對不同的驗證碼特征定制設計[2]。近年來，研究人員相繼提出了許多字符分割算法，包括傳統(tǒng)的豎直投影法、連通域分割法、基于SCP(Significant Contour Points)的分割算法[3-4]、基于背景細化的分割算法[5]、滴水算法[6]等。另一方面，由于單個字符的識別已經(jīng)可以取得很高的正確率，大部分方法的識別率在90%以上[7]，所以一旦通過分割得到了單個字符，驗證碼破解將會變得容易許多。因此，為了增加驗證碼的破解難度，系統(tǒng)一般會對圖像添加各種干擾噪聲，或對字符進行混雜、扭曲、粘連、變形等處理。但與此同時也給人眼識別帶來了不便。

為了克服傳統(tǒng)2D文本驗證碼的局限性，研究人員不斷地設計安全性更高的新型驗證碼系統(tǒng)。3D驗證碼系統(tǒng)[8-10](下文簡稱3D CAPTCHAs)就是其中之一。3D CAPTCHAs是以人眼視覺系統(tǒng)能夠從一幅圖像中自動感知3D對象為基礎而設計的，所以這類驗證碼潛在的安全性是：OCR軟件很難直接識別出3D對象，而人眼視覺系統(tǒng)可以。因此對3D文本驗證碼系統(tǒng)的破解首先要從驗證碼圖片中提取字符，這也是破解算法中最為關鍵的環(huán)節(jié)。

文中著重于破解一種基于文本字符的3D驗證碼，文獻[11]將其命名3dcaptcha。利用這類驗證碼在像素空間呈現(xiàn)出的特征，如像素密度、斜線梯度方向等，先提取出驗證碼字符，再根據(jù)字符特征設計有效的字符分割算法，最后通過OCR識別軟件進行識別。

2 研究現(xiàn)狀

隨著驗證碼技術的發(fā)展，研究人員在設計和開發(fā)3D CAPTCHAs的實踐中進行了大量嘗試。本節(jié)先介紹了3D CAPTCHAs生成技術的發(fā)展現(xiàn)狀，之后對3D文本驗證碼的破解情況進行了描述。

Mitra等[12]提出在3D環(huán)境中渲染抽象的三維模型的方法，也稱之為“抽象圖像(emerging images)”生成技術。它以“抽象”為基礎而設計，并且利用了人類能從整幅圖像中感知對象的獨特能力。另外，Ross等[13]給出了對Sketcha驗證碼系統(tǒng)的可用性研究和安全性分析，該系統(tǒng)中用戶需要將3D線模型調整到正確的位置。社交網(wǎng)站YUNiTi[14]采用的驗證碼是基于朗伯體的三維模型渲染。驗證碼圖片中3D物體利用各種參數(shù)進行渲染，比如顏色、位置等。Imsamai和Phimoltares提出了幾種3D文本驗證碼系統(tǒng)[9]，驗證碼圖片中對字符進行了旋轉、傾斜處理，且字符使用了相同的陰影模型。

然而迄今為止，國內外對于3D驗證碼的破解研究還較少。它的破解算法一般包括：圖片預處理、字符提取、字符分割和字符識別。與2D文本驗證碼破解算法的區(qū)別就是多了字符提取這一步。字符提取就是利用圖片特征，將字符轉化為可以識別的對象。由于各驗證碼系統(tǒng)之間的差異性，所以字符提取算法要根據(jù)特定的對象而設計。

文獻[15]研究了Ku6網(wǎng)站上使用的一種新型3D文本驗證碼的魯棒性，首次分析了3D空心字符驗證碼。文獻中采用顏色填充算法(Color Filing Segmentation，CFS)先提取字符前景，再根據(jù)字符側面與前表面的寬度差異將二者進行區(qū)分并標記，繼而根據(jù)位置信息分別對各側面和前表面碎片進行融合，最后形成字符掩膜。實驗結果表明，該方法的分割成功率達到了70%。破解的難點在于對字符表面的合并，尤其當字符出現(xiàn)較為嚴重傾斜或相鄰兩個字符在豎直方向發(fā)生重疊時，有可能將不同字符的表面錯認為來自同一個字符。文獻[11]重點分析了三種基于文本的3D驗證碼的安全性能，這幾種驗證碼以在有規(guī)律的圖片背景上施加擾動為基礎。該文獻中利用像素空間線性方向的變化、像素密度、網(wǎng)格大小變化等特征，針對不同的驗證碼系統(tǒng)，各自設計了字符提取算法。

由于驗證碼都各有其特點，很難找到一種通用的算法處理不同類型的驗證碼，所以有必要根據(jù)特定的驗證碼設計相應的破解策略。

3 3dcaptcha破解技術研究

3.1 3dcaptcha特點

文中破解對象如圖1所示，文獻[11]將其命名為“3dcaptcha”。該類驗證碼從Cafe Charlotte網(wǎng)站上下載獲得[16]。這種驗證碼系統(tǒng)利用斜線先形成有規(guī)律的圖樣，再對其加以擾動而形成。

圖1 實驗樣本示意圖

經(jīng)過對大量驗證碼樣本的觀察，發(fā)現(xiàn)該驗證碼有以下特點：

(1)字符前景與背景無法通過顏色信息來分離。

(2)每個驗證碼樣本中包含4個字符，且出現(xiàn)在較為固定的區(qū)域。

(3)該驗證碼系統(tǒng)沒有使用“0”和“O”、“1”和“I”這樣結構過于類似的字符。整個驗證碼系統(tǒng)中只有32種字符。

(4)由于驗證碼是根據(jù)其3D模型經(jīng)透視投影變換而生成，所以離視點越近的斜線之間間距越大，越遠的斜線之間間距越小，并且字符發(fā)生傾斜。

(5)非字符區(qū)域(即背景區(qū)域)上，斜線斜率較為一致。

3.2 破解流程

文中驗證碼的破解主要包括圖像預處理、背景去除、驗證碼字符提取、字符分割和字符識別五個部分。其中最為關鍵的一步是驗證碼字符提取。字符提取的質量會直接影響分割的正確率和識別的準確性。由于字符表面的框架由受到擾動后的斜線構成，并且擾動后的斜線沒有固定的表現(xiàn)形式，所以很難直接獲得字符表面?；诖?，文中通過提取驗證碼圖片背景來間接確定驗證碼字符表面。

3.3 驗證碼字符提取

3.3.1 提取字符邊界

觀察驗證碼樣本可知，驗證碼字符的邊界黑色像素密度較高。因此可以利用這一特征來提取屬于字符邊界的像素。

在對圖像二值化之后，遍歷圖像各像素。若該點P的像素值為0(即黑色)，再進一步分析P點的四鄰域。若4鄰域中至少有3個像素點為黑色，則將P點和它4鄰域中的黑色的點都先視為文本像素。

3.3.2 背景去除

3dcaptcha的字符由一組經(jīng)過擾動的斜線構成，沒有受到擾動的斜線構成驗證碼圖像的背景框架。由于字符表面的框架并沒有固定的表現(xiàn)形式，很難直接得到字符表面。因此文中將通過提取驗證碼字符背景來間接獲得字符前景。

經(jīng)過對大量樣本的觀察發(fā)現(xiàn)，每條背景線延伸方向相對一致，因此可以通過方向信息先提取到背景線(下文將它稱為基準線)，再利用基準線之間的間距信息得到驗證碼圖片的背景區(qū)域。

文中將借助圖2來說明提取基準線的方法，具體步驟如下：

(1)遍歷整幅驗證碼圖中的黑色像素，若該點不屬于在3.3.1節(jié)中所提取的字符邊界，將它設為點P，見圖2。

(2)經(jīng)觀察發(fā)現(xiàn)，在以圖像左上角為原點，水平向右為X軸正方向，豎直向下為Y軸正方向的坐標系下，基準線可以近似看作斜率約等于1的斜線。結合圖2，可以認為點P2、P3、P6、P7均不可能是基準線上的點。在本步驟中，查看點P鄰域上的點P2、P3、P6和P7，如果這四個位置都是白色，則繼續(xù)執(zhí)行步驟(3)，否則執(zhí)行步驟(4)。

(3)若P4和P5位置只有一個方向有黑色像素，P1和P8位置也只有一個方向有黑色像素，則將點P視為基準線上的像素。

(4)由于視點遠處的基準線出現(xiàn)了重疊現(xiàn)象，所以若P3、P5同時為黑色，或P1、P7同時為黑色，則也認為點P為基準線上的像素。

P1P2P3P8PP4P7P6P5

圖2 當前像素P及其8鄰域編號

提取到基準線后，下一步就是對背景區(qū)域進行填充。如果同一行中兩個基準線上的點之間的距離D

3.3.3 提取字符

驗證碼字符提取分為二次確定字符邊界和提取字符表面兩個部分。由于透視投影的原因，導致驗證碼圖像出現(xiàn)近大遠小的特征；另一方面圖像本身的精確度較低，圖像右上角為黑色像素密度最高的區(qū)域。因此3.3.1節(jié)中提取字符邊界的方法會將驗證碼圖片中的右上角區(qū)域錯認為字符邊界。所以，要準確提取驗證碼字符首先要對3.3.1節(jié)中提取出的字符邊界進行二次提取。

(1)文中利用漫水填充算法，將圖像四周的空白區(qū)都填充為背景。因為驗證碼字符出現(xiàn)在較為固定的區(qū)域，所以可對圖像進行裁剪。這可能會減少字符周圍的噪聲，從而提高最終識別的正確率；另一方面也提高了運算速度。

(2)初步提取字符表面，作為去除字符邊界噪聲的依據(jù)。為方便處理，在初步提取字符表面區(qū)域之前，需要對圖像進行閾值處理，即將字符表面上的框架置為白色。然后按水平方向遍歷圖像，若同一行中連續(xù)為白色像素的區(qū)域寬度D1>T1，則先將該區(qū)域視為字符表面。

(3)遍歷屬于字符邊界上的點，設該點為A，若點A附近存在字符表面像素，則確認點A屬于字符邊界，否則屬于圖像背景。

經(jīng)過圖像形態(tài)學去噪后，最終可以得到較為清晰的驗證碼字符。

3.3.4 后期處理

后期處理包括透視校正和孔洞填充兩部分。

(1)由于成像系統(tǒng)與目標的距離以及它們之間的位置原因，導致形成的圖像發(fā)生了傾斜而不再是正視圖，這不利于對字符進行分割。為了提高字符分割的成功率，考慮對圖像進行透視變換校正。

透視變換(PerspectiveTransformation)是將圖片投影到一個新的視平面，也稱為投影映射。已知變換對應的四組點就可以求取變換矩陣，從而得到變換后的像素坐標，即得到校正后的圖像。

(2)因為提取出的字符表面還存在小孔洞，為了使字符信息更加完整，文中對孔洞進行了填充。方法如下：

計算每個孔洞的面積，若孔洞面積小于T2，則認為它需要被填充。其中孔洞面積是指該孔洞所包含的像素點個數(shù)。這里T2不能太大，否則會把“4”、“P”等字符結構中的閉合區(qū)域也填充掉。文中選取T2=40。

3.4 字符分割

字符分割的目的是在驗證碼圖像中劃分各字符所處的區(qū)域，把各字符所處的區(qū)域的子圖像分割出來?；谖谋咀址g既有粘連又有斷裂的特點，文中采用垂直投影分割、輪廓差投影分割和均分法相結合的分割方法。

因為文中研究的驗證碼固定只包含4個字符，所以要將字符正確分割需要五條分割線，記為分割序列seg_Line，seg_Line={S0,S1,S2,S3,S4}。其中，Si表示第i條分割線在驗證碼圖片中所在位置的列值。S0為第一個出現(xiàn)字符像素的列值，S4為出現(xiàn)字符像素最后一列列值。因此，四個字符的有效寬度L=S4-S0。另外，由于單個字符的寬度并不是嚴格相同，經(jīng)過對大量樣本的研究，發(fā)現(xiàn)S1、S2和S3滿足下式：

(1)

3.4.1 垂直投影分割

垂直投影分割是利用字符之間的列空白來分割字符。字符圖像經(jīng)過二值化和去噪后，將白色像素設為前景點。以像素點為單位逐列掃描圖像，累加該列中前景點的個數(shù)，累積的結果即為該列的垂直投影。

以圖3(h)樣本為例，投影值較大的地方表明此列字符像素多，而投影值為0的地方認為是兩個字符之間的分割位置。文中先把投影值為0的列作為候選分割線的所在位置，再根據(jù)式(1)判斷該分割線是第幾條。若不滿足式(1)，則說明該點不是合適的分割位置。

3.4.2 輪廓差投影分割

若垂直投影分割不能得到所有的分割線，則說明上一步的分割結果中還存在相互粘連的字符塊。針對這一情況，文中利用輪廓差投影分割法對粘連部分進行二次分割，以解決字符間輕微粘連的問題。

該方法對前景字符豎直方向上的上邊界和下邊界進行投影，投影到X軸上的是每一列的最上和最下白色像素點之間的距離。文中先根據(jù)上節(jié)的結果得到字符塊中粘連字符的個數(shù)和粘連字符的具體位置，再在該字符塊進行輪廓差投影。得到投影值序列后，尋找投影值最小的列c。若該列投影值m小于字符筆畫寬度line_w，且列c滿足式(2)，則列c所在位置為候選分割點。同樣，根據(jù)式(1)判斷該點在分割序列seg_Line中的位置。若不滿足式(1)，則認為列c所在位置不是合適的分割點。

(2)

其中，Si∈seg_Line；width為單個字符的平均寬度。

3.4.3 均 分

在字符粘連較為嚴重時，垂直投影和輪廓差投影方法將會不適用。因此文中選擇了均分的方法。

均分就是先通過分割序列seg_Line，判斷粘連字符塊的位置及寬度，再根據(jù)該粘連塊包含的粘連字符個數(shù)，對粘連塊進行平均分割處理。

4 實驗結果與分析

為了驗證文中算法的有效性，從網(wǎng)站上收集了500個實驗樣本，樣本分辨率為400×120。本節(jié)對破解結果進行了分析，并進一步討論破解失敗的原因。

4.1 字符提取

文中算法利用驗證碼圖片中基準線方向基本一致的特征，先根據(jù)像素密度特征得到字符邊界，再通過提取圖片背景來間接得到字符表面，最終提取出比較完整的字符信息。以圖1(a)中的樣本為例，圖3給出了字符提取的結果。下文給出了算法中用到的閾值T、T1的選取標準。

圖3 字符提取結果

(1)在背景去除算法中，閾值T選取不同的值對背景提取結果的影響見表1。當T=6時，由于背景填充不夠充分，字符下方出現(xiàn)大量噪聲；當T=10時，因為閾值過大，而將字符表面錯認為背景被填充為黑色，導致字符信息不完整(圖中方框區(qū)域)。經(jīng)比較發(fā)現(xiàn)，當T=8時，背景填充效果較好。因此，文中選取閾值T=8。

(2)在字符邊界噪聲去除中，先利用閾值T1提取出字符表面的大致區(qū)域，再根據(jù)字符表面區(qū)域二次確定字符邊界。經(jīng)實驗驗證，由于去噪結果對閾值T1不敏感，T1的取值范圍為5～12，文中選取T1=6。若T1過小，會將字符周圍的噪聲誤認為字符，導致去噪不完全；若T1太大，提取出字符表面信息會很少，使得去噪過度。閾值T1對字符提取的影響如表2所示。

表1 閾值T對背景提取結果的影響

表2 閾值T1對字符邊界提取結果的影響

4.2 字符分割

由于透射投影導致樣本中斜線間隔呈現(xiàn)遠大近小的特點，在驗證碼圖像的右上方甚至出現(xiàn)斜線之間相互簇擁的現(xiàn)象，使得最終提取到的文本字符可能出現(xiàn)斷裂或字符間嚴重粘連等情況。因此，文中采用垂直投影分割、輪廓差投影分割和均分法相結合的分割方法。

經(jīng)過對大量樣本的研究，字符筆畫寬度line_w=20，樣本字符的平均寬度width=75。表3給出了部分驗證碼的分割結果。其中被方框標記的為分割失敗的字符。

表3 部分樣本的實驗結果

實驗結果表明，文中的分割方法有較高的可行性，但是若字符本身信息不完整或與相鄰字符大面積粘連，則可能導致分割失敗。

4.3 字符識別

字符分割完成后將得到2 000個單個字符，文中將其中的1 280個作為訓練集，剩余的作為測試集，利用OCR識別軟件—ABBYY進行識別。分割結果和識別結果見表3。表中識別錯誤的字符已用下劃線標出。經(jīng)過對大量實驗樣本識別結果的分析，總結出識別失敗的原因有兩個：

(1)字符分割失敗。

(2)字符結構的相似性。比如字符“7”和“T”、字符“2”與“Z”，因為它們的結構類似，導致分類器識別失敗。

針對文中采集的驗證碼數(shù)據(jù)集，在提出的破解算法下，單個字符的識別率達到95.4%，整個驗證碼完全識別的正確率為76.3%。

4.4 與其他破解方法進行比較

文中方法主要由字符提取、字符分割和字符識別三個部分組成。在從驗證碼圖片中提取到字符前景的基礎上，針對這類驗證碼設計了字符分割算法，最后利用OCR識別軟件進行識別。

文獻[11]同樣對文中的實驗樣本進行了破解。文獻中字符提取算法分為按行列掃描提取字符表面、按像素密度提取字符邊界和按網(wǎng)格面積提取字符表面三個部分，最后同樣用開源OCR軟件進行識別，識別率為58%。針對文中破解的驗證碼系統(tǒng)，在采用同一識別方法的前提下，文中的字符提取算法具有明顯的優(yōu)越性，識別率比文獻[11]高出18.3%。由此可見，該算法具有更高的有效性。

5 結束語

文中3dcaptcha的成功破解源于這類驗證碼是基于有規(guī)律的擾動而設計的，以便于人類能夠感知3D字符。然而實驗證明，雖然它可以防止OCR程序的直接破解，但是驗證碼系統(tǒng)的擾動規(guī)律可以成為破解驗證碼的有利信息，如像素密度、斜線斜率等特征。

實驗結果證明了文中提出的3dcaptcha系統(tǒng)破解算法的可行性和有效性。但是在字符提取方面還存在一些不足，導致離視點越遠的字符提取效果不理想，比如會出現(xiàn)字符信息嚴重丟失或字符間嚴重粘連的現(xiàn)象，從而影響了最終的識別結果。在以后的工作中將進一步解決這些問題。

[1] Ahn L V,Blum M,Langford J.Telling humans and computer apart automatically[J].Communications of the ACM,2004,47(2):56-60.

[2] 李秋潔,茅耀斌,王執(zhí)銓.CAPTCHA技術研究綜述[J].計算機研究與發(fā)展,2012,49(3):469-480.

[3] Strathy N W,Suen C Y,Krzyzak A.Segmentation of handwritten digits using contour features[C]//Proceedings of the second international conference on document analysis and recognition.[s.l.]:IEEE,1993:577-580.

[4] Shi Z,Shrihari S N,Shin Y C,et al.A system for segmentation and recognition of totally unconstrained handwritten numeral strings[C]//Proc of international conference on document analysis and recognition.[s.l.]:[s.n.],1997:455-458.

[5] Lu Z,Chi Z,Siu W C,et al.A background-thinning-based approach for separating and recognizing connected handwritten digit strings[J].Pattern Recognition,1999,32(6):921-933.

[6] Congedo G,Dimauro G,Impedovo S,et al.Segmentation of numeric strings[C]//Proc of third international conference on document analysis and recognition.Montreal,Que:IEEE,1995:1038-1041.

[7] 曲金山.基于形狀上下文的驗證碼識別研究[D].哈爾濱:哈爾濱工程大學,2013.

[8] Chaudhari S K,Deshpande A R,Bendale S B,et al.3D drag-n-drop CAPTCHA enhanced security through CAPTCHA[C]//Proceedings of the international conference & workshop on emerging trends in technology.[s.l.]:ACM,2011:598-601.

[9] Imsamai M,Phimoltares S.3D CAPTCHA:a next generation of the CAPTCHA[C]//Proc of international conference on information science and applications.[s.l.]:IEEE,2010:1-8.

[10] Macias C R,Izquierdo E.Visual word-based CAPTCHA using 3D characters[C]//Proc of 3rd international conference on crime detection and prevention.[s.l.]:[s.n.],2009:1-5.

[11] Nguyen V D,Chow Y W,Susilo W.On the security of text-based 3D CAPTCHAs[J].Computers & Security,2014,45:84-99.

[12] Mitra N J,Chu H K,Lee T Y,et al.Emerging images[J].ACM Transactions on Graphics,2009,28(5):1-8.

[13] Ross S A,Halderman J A,Finkelstein A.Sketcha:a captcha based on line drawings of 3D models[C]//Proceedings of international conference on world wide web.[s.l.]:ACM,2010:821-830.

[14] YUNiTi.YUNiTi-do something good[EB/OL].2013-06-29.http://www.yuniti.com/register.php.

[15] Ye Q,Chen Y,Zhu B.The robustness of a new 3D CAPTCHA[C]//Proc of 11th IAPR international workshop on document analysis systems.[s.l.]:IEEE,2014:319-323.

[16] Charlotte C.Cafe charlotte[EB/OL].2013-06-29.http://www.cafe-charlotte.cz/en/fanclub.

Research on Breaking of Text-based 3D CAPTCHAs

LU Ying，SU Zhi-yong

(College of Automation，Nanjing University of Science and Technology,Nanjing 210094,China)

In order to overcome the traditional limitations of two-dimensional text CAPTCHAs,there comes many new forms,including 3D text CAPTCHAs.Aiming at authentication code of 3D text using on site currently,an effective crack method is put forward.Using features in pixel space,such as pixel density and gradient direction of diagonal lines,the character boundaries and surface from image is extracted.Secondly,character segmentation algorithm is designed to get single character according to the information of text.Finally,using OCR for identification.The experiment shows that the breaking algorithm proposed achieves a good result on experimental data set.Making full use of the rule of CAPTCHA scheme,characters from images are obtained indirectly.Compared with the algorithm which extracts characters directly,it has a better applicability.

3D CAPTCHA;background removal;character extraction;character segmentation

2015-10-22

2016-01-27

時間：2016-06-22

國家自然科學基金資助項目(61300160)

陸 穎(1990-)，女，碩士研究生，研究方向為視頻圖像處理；蘇智勇，副教授，研究方向為計算機視覺、計算機圖形學。

http://www.cnki.net/kcms/detail/61.1450.TP.20160622.0842.020.html

TP31

A

1673-629X(2016)07-0070-05

10.3969/j.issn.1673-629X.2016.07.015