【图像识别】基于卷积神经网络实现英文字母及单词识别matlab代码

1 简介

随着近些年来互联网技术的飞速发展，网络安全逐渐进入公众视野，并成为人们日常生活所关心的一部分。验证码的使用也随之普及开来。验证码的英文为CAPTCHA，主要是被人们开发出来用于区分机器自动程序与人类用户的差异性。自从互联网以来，人们因为疯狂地追逐利润而滥用网络资源，进而导致自动化软件（有时称为机器人）的产生。为了抵御恶意机器人程序，防止论坛、博客中的垃圾评论，过滤垃圾邮件，保证在线投票真实性以及防止恶意批量注册网站等等，验证码应运而生。现如今，验证码在全球超过 350 万的各大网站论坛随处可见，人们日常处理的验证码数量多达 300 万次以上。由此可见，验证码识别技术的研究有益于验证现如今各种验证码的安全，帮助设计更可靠安全的验证码。不仅如此，验证码识别结合了图像处理、模式识别等多个领域的研究，对于促进各个领域的技术研究具有重要意义。

2 部分代码

[filename pathname] =uigetfile({'*.png';'*.*'},'打开图片');
str=[pathname filename];
S=imread(str);

try
   S=rgb2gray(S);
end
S=imadjust(S);
if(mean(mean(S))>125)
   S=255-S;
end
S=im2bw(S,0.5);

[l w]=size(S);
S=[zeros(l,1) S zeros(l,1)];
S=[zeros(1,w+2);S;zeros(1,w+2)];
figure(1)
imshow(S)
V=[1 1 1
   1 1 1
   1 1 1];
S=imerode(S,V);
S=imdilate(S,V);
figure(2)
imshow(S)
[l w]=size(S);
ih=zeros(1,w);
for i=1:w
   if max(S(:,i))>0 
       ih(i)=1;
   end
end
ms=zeros(1,w);
for i=1:w
   if i~=w
       ms(i)=ih(i)-ih(i+1);
   end
end
pos=[];   
for i=1:w
   if ms(i)~=0
       pos=[pos i];
   end
end
count=length(pos)/2;
alpha=cell(1,count);
for i=1:count
   alpha{i}=S(:,pos(2*i-1):pos(2*i));
  [L W]=size(alpha{i});
   ih=zeros(1,L);
   for j=1:L
       if max(alpha{i}(j,:))>0
           ih(j)=1;
       end
   end
   ms=zeros(1,L);
   for j=1:L
       if j~=L
           ms(j)=ih(j)-ih(j+1);
       end
   end
   poss=[];
   for j=1:L
       if ms(j)~=0
           poss=[poss j];
       end
   end
   alpha{i}=alpha{i}(poss(1):poss(length(poss)),:);
   %%alpha{i}=imresize(alpha{i},[30 30]);
   
end
figure(3)
for i=1:length(alpha)
   subplot(1,length(alpha),i)
   imshow(alpha{i})
end

3 仿真结果

4 参考文献

[1]张良文. 联机手写英文单词识别技术的研究与实现. Diss. 南开大学, 2011.