人脸识别matlab程序(3)

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 < 0.9)

p = p + 1;

dsum_extract = sum(dsort(1:p));

end

p = 199;

% (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; % 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

base = xmean' * vsort(:,1:p) * diag(dsort(1:p).^(-1/2));

% 生成特征脸

for (k=1:p),

temp = reshape(base(:,k), 112,92);

newpath = ['d:\test\' int2str(k) '.jpg'];

imwrite(mat2gray(temp), newpath);

end

avg = reshape(samplemean, 112,92);

imwrite(mat2gray(avg), 'd:\test\average.jpg');

% 将模型保存

save('e:\ORL\model.mat', 'base', 'samplemean');

人脸重建

% Reconstruct.m

function [] = reconstruct()

load e:\ORL\model.mat;

% 计算新图片在特征子空间中的系数

img = 'D:\test2\10.jpg'

a=imread(img);

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);

b=b-samplemean;

c = b * base; % c 是图片a 在子空间中的系数, 是1*p 行矢量

% 根据特征系数及特征脸重建图

% 前15 个

t = 15;

temp = base(:,1:t) * c(1:t)';

temp = temp + samplemean';

imwrite(mat2gray(reshape(temp, 112,92)),'d:\test2\t1.jpg');

% 前50 个

t = 50;

temp = base(:,1:t) * c(1:t)';

temp = temp + samplemean';

imwrite(mat2gray(reshape(temp, 112,92)),'d:\test2\t2.jpg');

% 前100 个

百度搜索“70edu”或“70教育网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，70教育网，提供经典教育范文人脸识别matlab程序(3)在线全文阅读。