【验证码识别】遗传算法和最大熵优化+大津法（OTSU）+自定义阈值数字验证码识别【含GUI Matlab源码 1694期】

⛄一、案例

本项目基于MATLAB完成数字验证码识别的GUI设计，图像处理，验证码生成、识别等功能。采用BP神经网络来实现对验证码图像的识别。验证码的识别，大概分为图片预处理、分割字符、识别字符三个过程，其中分割字符最为困难。本文采用基于遗传算法和最大熵优化的图像分割技术、大津法（OTSU）、自定义阈值三种技术进行字符分割，并作进一步分析。利用英国萨里大学提供的印刷体数字数据集，共10160张图片，90%的数据用于训练BP神经网络，剩余10%的数据用于测试，最终识别准确率达到93.47%，利用训练所得BP模型完成识别字符，最终验证码图像识别效果较佳。

⛄二、验证码识别简介

1 验证码获取及预处理
1.1 验证码训练集与测试集
图像处理库批量生成各项参数可调的数字验证码图片，包括图片大小、格式、干扰点等，自动生成3000张4位数字图片验证码， 默认图片大小为60×160， RGB格式， 包含少量的干扰点、线条及扭曲.本文使用其中的2400张图片作为训练集训练网络参数，600张图片作为测试集测试网络识别的效果.训练集与测试集无交叉重叠.部分验证码样本示例图
如图1所示.

图1 验证码样本
1.2验证码图片