PCA人脸识别算法研究成果教程分析.pptVIP

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Principle Component Analysis (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；Recognition（） 寻找结果输出 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CreateDatebase CreateDatabase（）流程 CreateDatebase函数 Descriptions: This function reshapes all 2D images of the training database into 1D column vectors. Then, it puts these 1D column vectors in a row to construct 2D matrix T. Argument: TrainDatabasePath - Path of the training database Returns: T - A 2D matrix, containing all 1D image vectors. Suppose all P images in the training database have the same size of MxN. So the length of 1D column vectors is MN and T will be a MNxP 2D matrix. 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reshape（）函数将每一张图片用一个列向量T(i)表示。 [irow icol] = 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（） 如何取得图像库的偏差矩阵（A） 1、 用Size（）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 = [ ]; for i = 1 : Train_Number temp = double(T(:,i)) - m; A = [A temp]; end 数学过程 Recognition函数 在上面的步骤中我们将训练库中所有图像的主元特征用一个矩阵表示。 从主函数中传递过来TestImage（为需要测试图像的路径），除此之外还有从训练文件夹中运算得到的三个参量Eigenfaces ， m，A： function T = CreateDatabase(TrainDataba