PCA在人脸识别中的应用 MATLAB

clear all; % FaceRec.m % PCA 人脸识别修订版，识别率88％ % calc xmean,sigma and its eigen decomposition allsamples=[];% 所有训练图像 for i=1:3 for j=1:5 a=imread(strcat('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=1:15 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); % 按特征值大小以降序排列 [dsort,pos] = sort(diag(d),'descend'); %dsort = diag(d1); % = flipud(d1); vsort = [ v(:,pos) ]; % 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 base = xmean' * vsort(:,1:p) * diag(dsort(1:p).^(-1/2)); % 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 = allsamples * base; % allcoor 里面是每张训练人脸图片在M*p 子空间中的一个点，即在子空间中的组合系数， %accu = 0; % 下面的人脸识别过程中就是利用这些组合系数来进行识别 % 测试过程 for i=1:3 for j=6:10 %读入40 x 5 副测试图像 % i= 3; % j = 6; a=imread(strcat('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=1:15 mdist(k)=norm(tcoor-allcoor(k,:)); end; % 三阶近邻 [dist,index2]=sort(mdist); class1=floor((index2(1)-1)/5 )+1; % class2=floor((index2(2)-1)/5)+1; % class3=floor((index2(3)-1)/5)+1; disp(class1); % if class1~=class2 && class2~=class3 % class = class1; % % elseif class1==class2 % class = class1; % disp('1'); % elseif class2==class3 % class = class2; % disp('2'); % else % disp('3') % end; % if class==i % accu=accu+1; % end; end; end; %accuracy=accu/200 % 输出识别率