科研训练成果PCA人脸识别.ppt

《科研训练成果PCA人脸识别.ppt》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、研究成果展示——基于PCA主成分分析算法的人脸识别科研训练系统功能描述假设有一张给定的测试图像Test。系统能够从本身的训练库中找出与测试图像相同或近似度最大的图像，并将之输出。系统流程输入测试图像文件；将训练库中的图像文件读入矩阵,创建图像数据库T；CreateDatabase（）利用PrincipleComponentAnalysis(PCA)主成分分析算法提取图像数据库T的特征，得到特征脸矩阵Eigenfaces；EigenfaceCore（）导入测试图像文件TestImge，获取测试图像的特征向量，并与特征脸比较得到欧几里得距离矩阵，找到最佳匹配对象；Recognit

2、ion（）寻找结果输出开始选择测试图像TestImage创建标准匹配数据库CreateDatebase提取特征脸EigenfaceCore读入测试图像，匹配识别Recognition输出匹配结果结束详细过程假设有n=10张测试图像（在本系统中我们将文件名设为1~10.jpg的格式以方便之后程序的调用处理），本地有一已存在的训练库。第一步选择测试图像TestImage因为系统一次只处理一张测试图像，所以程序开始阶段需要从这n张测试图像中选择一个对象，名为TestImage。第二步创建标准匹配数据。函数为CreateDatebaseCreateDatabase（）流程函数开始计算

3、训练库中图像的数量逐步读入图像数据并将其转换为灰度图像，然后将每个灰度图像转换一维列向量存于矩阵T中。函数结束返回矩阵TCreateDatebase函数Descriptions:Thisfunctionreshapesall2Dimagesofthetrainingdatabaseinto1Dcolumnvectors.Then,itputsthese1Dcolumnvectorsinarowtoconstruct2Dmatrix'T'.Argument:TrainDatabasePath-PathofthetrainingdatabaseReturns:T-A2Dmatri

4、x,containingall1Dimagevectors.SupposeallPimagesinthetrainingdatabasehavethesamesizeofMxN.Sothelengthof1DcolumnvectorsisMNand'T'willbeaMNxP2Dmatrix.CreateDatebase函数的描述首先找到TrainDatabase文件，计算文件中所含图片的数量（记数量为Train_Number）。定义一个空矩阵T，用rgb2gray（）函数分别对每一张图片进行灰度处理。此时TrainDatabase中的RGB图像被全部转换为灰度图像。调用re

5、shape（）函数将每一张图片用一个列向量T(i)表示。[irowicol]=size(img);irow为第i个灰度图像的行数，icol为相应列数，那么一个灰度图像的所含数据个数为irow*icol。temp=reshape(img',irow*icol,1);将irow*icol大小的灰度图像用一个列向量表示。将所有的列向量组合成一个新的一维矩阵T。它的每一个元素表示一个灰度图像。至此，训练库中的图像被表示为一个irow*icol行，Train_Number列的矩阵T。第三步提取特征脸。函数为EigenfaceCore（）函数开始求出矩阵T每一行数据的均值m计算每一幅图像

6、相对均值的偏差a获取特征脸Eigenfaces函数结束返回均值吗，偏差啊，特征脸Eigenfaces这一步中我们要对矩阵T做一些处理,其实就是PCA分解的过程。A、取得图库矩阵T的行均值矩阵（m）在上一步中我们得到矩阵T行数为H=M*N=irow*icol，列数为P=Train_number。获得的行均值矩阵m大小为M*Nx1，其中B、则偏差矩阵的计算方法为A=double(T(:,i))–m,显然矩阵A的大小和矩阵T一样为H=M*N.每一幅图像在矩阵T中体现为一个列向量，如此即可计算出没幅图像相对于均值矩阵m的偏差。下面为具体步骤：如何取得图像库的偏差矩阵（A）1、用Siz

7、e（）函数得到图片库矩阵的列数。P=Train_Number=size(T,2).2、提取代码如下：A=[];fori=1:Train_Numbertemp=double(T(:,i))-m;A=[Atemp];end数学过程C、该步骤也是整个函数最关键的一步。经过上面的步骤偏差矩阵A已经被计算出，将A做如下处理：L=A'*A；其中矩阵A大小为H*P，行数H远远大于列数P（本次训练库中存放有20张图片。）做如此处理后，L大小变为P*P。通过[VD]=eig(L)提取L的特征向量和对角矩阵。Eig的运算为