人脸识别修订版.doc

%
% PCA 人脸识别修订版,识别率 88%

% calc xmean,sigma and its eigen position
allsamples=[];%所有训练图像
for i=1:40
for j=1:5
a=imread(strcat('e:\ORL\s',num2str(i),'\',num2str(j),'.jpg'));
% i m s h o w ( 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;

% 获取特征值及特征向量
sigma=xmean*xmean'; % M * M 阶矩阵
[v d]=eig(sigma);
d1=diag(d);

% 按特征值大小以降序排列
dsort = flipud(d1);
vsort = fliplr(v);

%以下选择 90%的能量
dsum = sum(dsort);
dsum_extract = 0;
p = 0;
while( dsum_extract/dsum < )
p = p + 1;
dsum_extract = sum(dsort(1:p));
e n d
i=1;

% (训练阶段)计算特征脸形成的坐标系
base = xmean' * vsort(:,1:p) * diag(dsort(1:p).^(-1/2));
% base 是 N×p 阶矩阵,除以 dsort(i)^(1/2)是对人脸图像的标准化(使其方差为 1)
% 详见《基于 PCA的人脸识别算法研究》p31
% xmean' * vsort(:,i)是小矩阵的特征向量向大矩阵特征向量转换的过程
%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(使其方差为 1)
% 详见《基于 PCA的人脸识别算法研究》p31
% i = i + 1; % xmean' * vsort(:,i)是小矩阵的特征向量向大矩阵特
征向量转换的过程
%end

% 以下两行add by gongxun 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 = allsamp