基于PCA进行人脸识别的Matlab代码.docVIP

%一个修改后的PCA进行人脸识别的Matlab代码 % calc xmean,sigma and its eigen decomposition allsamples [];%所有训练图像 for i 1:40 for j 1:5 a imread strcat D:\rawdata\ORL\s,num2str i ,\,num2str j ,.pgm ; % imshow a ; b a 1:112*92 ; % b是行矢量 1×N，其中N＝10304，提取顺序是先列后行，即从上到下，从左到右 b double b ; allsamples [allsamples; b]; % allsamples 是一个M * N 矩阵，allsamples 中每一行数据代表一张图片，其中M＝200 end end samplemean mean allsamples ; % 平均图片，1 × N for i 1:200 xmean i,: allsamples i,: -samplemean; % xmean是一个M × N矩阵，xmean每一行保存的数据是“每个图片数据-平均图片” end; sigma xmean*xmean; % M * M 阶矩阵 [v d] eig sigma ; d1 diag d ; [d2 index] sort d1 ; %以升序排序 cols size v,2 ;% 特征向量矩阵的列数 for i 1:cols vsort :,i v :, index cols-i+1 ; % vsort 是一个M*col 注:col一般等于M 阶矩阵，保存的是按降序排列的特征向量,每一列构成一个特征向量 dsort i d1 index cols-i+1 ; % dsort 保存的是按降序排列的特征值，是一维行向量 end %完成降序排列 %以下选择90%的能量 dsum sum dsort ; dsum_extract 0; p 0; while dsum_extract/dsum 0.9 p p + 1; dsum_extract sum dsort 1:p ; end i 1; % 训练阶段 计算特征脸形成的坐标系 while i p dsort i 0 base :,i dsort i ^ -1/2 * xmean * vsort :,i ; % base是N×p阶矩阵，除以dsort i ^ 1/2 是对人脸图像的标准化，详见《基于PCA的人脸识别算法研究》p31 i i + 1; end % add by wolfsky 就是下面两行代码，将训练样本对坐标系上进行投影,得到一个 M*p 阶矩阵allcoor allcoor allsamples * base; accu 0; % 测试过程 for i 1:40 for j 6:10 %读入40 x 5 副测试图像 a imread strcat D:\rawdata\ORL\s,num2str i ,\,num2str j ,.pgm ; b a 1:10304 ; b double b ; tcoor b * base; %计算坐标，是1×p阶矩阵 for k 1:200 mdist k norm tcoor-allcoor k,: ; end; %三阶近邻 [dist,index2] sort mdist ; class1 floor index2 1 /5 +1; class2 floor index2 2 /5 +1; class3 floor index2 3 /5 +1; if class1~ class2 class2~ class3 class class1; elseif class1 class2 class class1; elseif class2 class3 class class2; end; if class i accu accu+1; end; end; end; accuracy accu/200 %输出识别率 函数调用是定义函数，然后用函数名进行调用就可以了