【正文】 (39。 %figure4 for i=1:size(u,2) img=reshape(u(:,i),icol,irow)。 %將u的第i列賦給kk temp=sqrt(sum(kk.^2))。 end Eigenvectors of C matrix %矩陣C的特征向量 u=[]。 % dtemp值賦給d v=vtemp。 % len為index的最大的維數(shù) for i=1:len % 從1到len次的循環(huán) dtemp(i)=B(len+1i)。 ind=zeros(size(index))。 %將v置空 d=[]。 dd是L=dbx39。 協(xié)方差矩陣 A=dbx39。 % A matrix A矩陣 for i=1:M temp=double(S(:,i))。Mean Image39。 %takes the N1*N2x1 vector and creates a N2xN1 matrix 創(chuàng)建一個N2N1的矩陣 img=img39。,18) end end %mean image。 %更新figure2 if i==3 title(39。 %轉(zhuǎn)置 eval(39。.bmp39。 %取均值 st=std(temp)。,irow*icol,1)。fontsize39。)。)。 讀取和顯示圖片的功能部分: S=[]。 圖5 mean image7. 由特征臉重構(gòu)訓練集內(nèi)人臉圖像 特征臉可以重構(gòu)訓練集內(nèi)部人臉圖像，圖6a）是訓練集內(nèi)部圖像的重現(xiàn)，圖6b）各特征臉的權(quán)重及歐幾里得距離 圖6a 圖6 b 特征臉也可以重構(gòu)訓練集外部的人臉圖像，圖7a）是訓練集外內(nèi)部圖像的重現(xiàn)，圖7b）各特征臉的權(quán)重及歐幾里得距離（a） （b） 圖7七、設計源程序clear all %刪除變量 close all %關(guān)閉窗口 clc %清除窗口 M=9。 之后這兩個投影的次空間可以經(jīng)由比較的方式，得出臉部區(qū)域與非臉部區(qū)域在次空間投影上的分布情形。其利用一些訓練用的臉部影像集合來產(chǎn)生本征臉，并將臉部空間加以延伸使這些影像中的臉部區(qū)域會被投影到影像的次空間(subspace)并加以叢集化。 CVals = CVals / sum(Vals)。 % 繪制特征值圖 CVals = zeros(1,length(Vals))。 daspect([1 1 1])。L = Imgs(:,10)。 %把矩陣I 顯示為圖片 daspect([1 1 1])。39。但是，在沒有預處理的情況下，圖片文件可能會因為光線或其他因素不能達到最佳識別效果。開源計算機視覺庫。得到向量：為了區(qū)分人臉和非人臉，還需計算原始圖像R與其由特征空間重建的圖像Rf之間的距離ε：采用最小距離法對人臉進行分類，分類規(guī)則如下：因此，僅取L的前m個最大特征值的特征向量計算特征臉。對于N*N人臉圖像，協(xié)方差矩陣C的大小為N2*N2，對它求解特征值和特征向量是很困難的。其中，A=[φ1，…φM]. (1)初始化，獲得人臉圖像的訓練集并計算特征臉，定義為人臉空間，存儲在模板庫中，以便系統(tǒng)進行識別；利用這些基底的線性組合可以描述、表達和逼近人臉圖像，因此可以進行人臉識別與合成。3. Eigenface算法在利用PCA進行特征提取的算法中，特征臉方法(Eigenface)是其中的一個經(jīng)典算法。 主成分的求解方法 (2)先計算出Cx的各個特征值. 主成分的求解步驟假設x均值為零，即：. PCA原理主成分分析（PCA）, Principal Component Analysis又稱為本征臉（Eigenface）法,該方法已成為現(xiàn)在人臉識別基本方法之一。五、課程設計內(nèi)容及原理1．為什么設計PCA人臉識別系統(tǒng)人臉識別一直是圖像處理和模式識別領域的研究熱點和難點。，了解一般DSP系統(tǒng)設計的開發(fā)流程；熟悉數(shù)字圖像處理常用函數(shù)的使用方法及一般數(shù)字圖像處理系統(tǒng)的設計方法；、特征值、特征臉的實現(xiàn)方法，獲得對人臉識別的感性認識；。三、設計內(nèi)容和目的1．課程設計的主要內(nèi)容 題目：采用PCA方法的人臉識別系統(tǒng)利用所學知識，設計一個基于PCA方法的人臉識別系統(tǒng)。希望學生通過完成一個與信號處理相關(guān)的課題的理論設計、程序設計和實驗調(diào)試任務，提高他們分析解決實際問題的能力。學生首先要進行信號譜分析、然后選擇濾波器類型，再確定濾波器參數(shù)，最后進行濾波器設計與應用。其中前三門是基礎課，后三門為專業(yè)應用課。目錄一 前言《數(shù)字圖象處理》是研究數(shù)字圖像處理的基本理論、方法，并對圖像分析的基本理論和實際應用進行系統(tǒng)介紹，目的是使學生系統(tǒng)掌握數(shù)字圖像處理的基本概念、基本原理、實現(xiàn)方法和實用技術(shù)，了解數(shù)字圖像處理基本應用和當前國內(nèi)外的發(fā)展方向。《語音信號處理》是一門發(fā)展十分迅速、應用非常廣泛的前沿交叉學科，同時又是一門跨學科的綜合性應用研究領域和新興技術(shù)。《數(shù)字信號處理》是電子信息工程、通信工程專業(yè)的一門重要的理論性和實踐性都很強的專業(yè)必修課，目的是讓學生了解數(shù)字信號處理的基本理論、基本分析方法、基本算法和基本實現(xiàn)方法。其中前三門是基礎課，后三門為專業(yè)應用課。課程開設的目的在于使學生在掌握數(shù)字信號處理基礎理論的前提下能夠了解DSP的發(fā)展狀況和應用領域，掌握DSP的基本硬件結(jié)構(gòu)特點和DSP的開發(fā)環(huán)境，學習DSP的硬件設計和軟件編程的基本方法，為今后從事數(shù)字信號處理方面的應用與研究打下基礎。課程目的是使學生了解語音信號處理學科的原理、方法、應用及目前的學科發(fā)展趨勢與方向， 其中一部分內(nèi)容反映智能信息處理技術(shù)、現(xiàn)代信號處理技術(shù)及其它一些前沿和新興技術(shù)在語音信號處理中的應用、最新研究成果與進展。由學生在所學知識的基礎上，查閱相關(guān)資料，自主設計，通過實驗裝置進行實現(xiàn)，并對結(jié)果進行綜合分析，尋找最佳設計方案。1 二 目錄4六 課程設計組織形式5八 設計步驟15十 心得體會22 一、概述信號處理系列課程是電子信息類專業(yè)的核心課程，包括《信號與系統(tǒng)》、《隨機信號分析》、《數(shù)字信號處理》、《DSP原理與應用》以及《語音信號處理》和《數(shù)字圖像處理》六門課程。如在信號濾波實驗中，在語音信號中混有噪聲，要求學生濾除該語音信號中的噪聲。由學生在所學知識的基礎上，查閱相關(guān)資料，自主設計，通過實驗裝置進行實現(xiàn)，并對結(jié)果進行綜合分析，尋找最佳設計方案。6． 學有余力的學生在完成必做設計內(nèi)容的基礎上，可對內(nèi)容進一步展開設計，以提高綜合應用能力，鍛煉獨立解決問題的能力。、算法。課程設計按2~3個人為一組，要求在小組內(nèi)分工協(xié)作、充分討論、相互啟發(fā)的基礎上形成設計方案，課程設計結(jié)束要求提交一份課程設計報告書，必要時可要求各小組選出一個代表，進行課程設計方案演示和答辯，評出若干優(yōu)秀設計成果。其中基于主成分分析（PCA）的本征臉（Eigenface）[1]的方法，因為計算簡單概念清晰，一直受到研究者的青睞。Turk,1991