编号：B8
大小：146M
环境：Matlab2020、Windows OS
文档：深度学习之基于Matlab数字验证码识别系统(GUI界面)配套文档
简介：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。

项目说明：
1.项目内img目录下为0-9十类数字图片各1016张，code_source为验证码生成所用0-9十类数字图片各10张，code_img为生成的验证码图片，md_img存放README.md所用的图片。项目内”*.m”皆为MATLAB源代码文件，”*.mat”为已处理好的数据文件。

2.程序内所有路径为必填项，若没有路径单击对于按钮将弹出警告框；

3.程序内BPNN的参数都有默认取值，若不填写则按默认取值，如图，鼠标悬停输入框内，出现提示信息。

4.同样的，验证码个数及灰度值都有默认取值。但是要注意，训练样本占比为必填项，没有默认取值。

5.若项目路径下已有数据集文件，包括训练集、测试集数据，如“X_train.mat”时，不需要重新创建数据集再分割，单击载入已有数据按钮，设定参数即可继续。

6.程序做了一定的异常处理，错误操作均会弹出提示信息（输入数据并没有作校验）。

7.由于图片数据大，创建分割训练集、测试集耗时很长

运行步骤：

1.打开MATLAB，运行“appgui.m”文件，即出现程序的主界面。

2.第一模块“BPNN模型构建”中，在创建数据集中输入数据路径，注意填入绝对路径，且最后必须有’\’，单击确定，弹出窗口，实时显示当前处理的图片。当创建数据集完成后，弹出提示框提示创建成功。将在项目路径下生成文件“inputs.mat”、“outputs.mat”。

3.第一模块“BPNN模型构建”中，在分割数据集中输入训练样本占比(小数形式)，单击确定，等待分割完成。将在项目路径下生成文件“X_train.mat”、“y_train.mat”、“X_test.mat”、“y_test.mat”。

4.第一模块“BPNN模型构建”中，在参数设定及网络训练中输入各个参数的值，单击训练，神经网络训练完成后，将在项目路径下生成文件“bp.mat”。

5.第一模块“BPNN模型构建”中，单击测试，不可编辑的文本框内将产生测试结果。

6.若对测试结果不满意，可返回步骤4，重新设定参数，重新训练网络。

7.第二模块“生成验证码”中，输入字符数据路径，单击生成数据集，稍等片刻，将在项目路径下生成文件“codeInputs.mat”、“codeOutputs.mat”。

8.第二模块“生成验证码”中，输入验证码存储路径，输入验证码个数，单击生成验证码，等待弹出提示框。即可在存储路径下生成指定个数的验证码图片。

9第二模块“识别验证码”中，单击选择验证码按钮，选择一张验证码图片。单击识别按钮即可完成验证码识别。

10.当验证码识别效果不佳时，可采用其他二值化方法，在二值化区域右侧的弹出式菜单可以选择二值化方法，若改用自定义level，默认取值0.9。再次点击识别即可重新识别验证码。

11.若默认灰度level二值化效果同样不佳，此时可以修改灰度level取值。重新点击识别即可。

运行展示

配套文件

我们提供完整项目文件清单如下：
文件目录
├ 1.项目源码
├ 2.运行截图
└ 3.演示视频