【正文】 nd end %mean image。Mean Image39。 協(xié)方差矩陣 A=dbx39。 %將v置空 d=[]。 % 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)。 end Eigenvectors of C matrix %矩陣C的特征向量 u=[]。 %figure4 for i=1:size(u,2) img=reshape(u(:,i),icol,irow)。,18) % 顯示39。 WeightOfImage]。 %在當(dāng)前路徑下讀取文件 figure(5) %figure5 subplot(1,2,1) %在figure 5 中左右顯示兩個圖像 imshow(InputImage)。,18) %顯示輸入的圖像,附標(biāo)題39。 %由次表達式處理temp NormImage=temp。 %將pare用于構(gòu)造p矩陣 end ReshapedImage = m + u(:,1:aa)*p。Reconstructed image39。 WeightOfInputImage]。 %讀取omega的第i列 DiffWeight = InImWeightq。,14) %標(biāo)題Euclidean distance of input image MaximumValue=max(e) %顯示e中的最大值 MinimumValue=min(e) %顯示e中的最小值八、心得體會此次是我們的最后一次課程設(shè)計，沒有了剛開始的那種茫然。,39。,14) %標(biāo)題Weight of Input Face % Find Euclidean distance 找到歐幾里得距離 e=[]。)。)。 %由NormImage,u的i列構(gòu)造矢量點pare p = [p。 %取temp的均值,賦給me st=std(temp)。,39。)。)。,39。 %把u矩陣與temp矩陣對應(yīng)的元素進行相除 再重新生成u end show eigenfaces。 %將v的第i行賦給kk temp=sqrt(sum(kk.^2))。 % dtemp 同理,也是與index同樣大小的零矩陣 vtemp=zeros(size(v))。的特征值 [vv dd]=eig(L)。 %將兩個矩陣和在一起 end Covariance matrix C=A39。 imshow(img)。,39。 %讀入1~ img=reshape(S(:,i),icol,irow)。 end Here we change the mean and std of all images. We normalize all images. %這部分改變所有的圖像的均值和標(biāo)準(zhǔn)值,對圖像進行規(guī)格化 This is done to reduce the error due to lighting conditions. %這樣可以降低由光源條件引起的錯誤 for i=1:size(S,2) %size 返回矩陣S的維度 temp=double(S(:,i))。Training set39。 % 打開figue1 for i=1:M % 打開已設(shè)定的M=9的訓(xùn)練圖像 str=strcat(int2str(i),39。通過觀察特征臉的顯示結(jié)果，如，可以形象地體會到，特征臉即粗糙臉。 ylim([0 1])。s提出的算法，通過 來獲取 的特征向量，以下代碼繪制特征值及特征向量的圖譜，執(zhí)行結(jié)果如圖3所示。可以要載入的訓(xùn)練集文件存在同一目錄下，并把文件名存在一個文件中，以便讀入方便。2. 文件的讀入與顯示在Matlab環(huán)境下，可以讀入PGM或其他文件格式。5. PCA人臉識別系統(tǒng)實現(xiàn)方法PCA人臉識別系統(tǒng)實現(xiàn)方法如下圖所示：數(shù)據(jù)采集子系統(tǒng)人臉識別子系統(tǒng)人臉檢測子系統(tǒng)識別結(jié)果：He is …!圖1. 自動人臉識別系統(tǒng)在實際應(yīng)用中，常用開發(fā)環(huán)境有兩種：，利用Intel174。首先計算M*M矩陣L的特征向量vi(l=l，…，M)，則矩陣C的特征向量ui(l=1，…，M)由差值圖像φi(i=1，…，M)與vi(l=l，…，M)線性組合得到：U=[u1，…，uM]=[[ψ1，…，ψM]T][v1．…，vM]。人臉圖像訓(xùn)練集為{Ri|i=1，…，M}，其中M為訓(xùn)練集中圖像總數(shù)，這M幅圖像的平均向量為： 每個人臉Ri與平均人臉ψ的差值向量是：訓(xùn)練圖像的協(xié)方差矩陣可表示為： (3)通過檢查圖像與人臉空間的距離判斷它是否是人臉； (1)構(gòu)建關(guān)聯(lián)矩陣：Cx=E[x*xT]，Cx∈Pn*n. 令w表示為m維單位向量，x在其上投影。 根據(jù)使用特征和分類方法的不同，人臉識別可以大致分為三類：1）提取人臉幾何特征的方法；2）基于特征分析的模板匹配；3）統(tǒng)計分析的方法，如主成分分析（PCA）、彈性圖匹配（Elastic Graph Matching）法、隱馬爾可夫模型（Hidden Markov Model）方法以及神經(jīng)網(wǎng)絡(luò)方法。2．課程設(shè)計的目的；，會用Matlab進行一般數(shù)字圖像處理運算。二：如何將《DSP原理與應(yīng)用》、《語音信號處理》和《數(shù)字圖象處理》三門課程有機的結(jié)合起來，設(shè)計一實際的系統(tǒng)。9九 設(shè)計源程序DSP綜合實驗課程設(shè)計報告 DSP綜合實驗課程設(shè)計報告題目名稱：采用PCA方法的人臉識別系統(tǒng)院系名稱：電子信息學(xué)院班 級：學(xué) 號學(xué)生姓名：指導(dǎo)教師：2010年 1 月前 言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(yīng)用》、《語音信號處理》和《數(shù)字圖像處理》六門課程。它是目前發(fā)展極為迅速的信息科學(xué)研究領(lǐng)域中的一個, 其研究涉及到一系列前沿課題。3四 課程設(shè)計的基本要求而不是簡單地給出濾波器類型和設(shè)計指標(biāo)。要求系統(tǒng)可以對各類文件格式的人臉文件進行分析，可以對一定長度的人臉訓(xùn)練集進行特征值提取，能夠顯示特征臉、平均臉，能夠由特征向量構(gòu)造訓(xùn)練集內(nèi)部或外部的任意人臉文件，并且完成比對誤差及人臉識別的功能。這一技術(shù)有著廣泛的應(yīng)用背景，如身份鑒別、信用卡識別、駕駛執(zhí)照和護照的核對、銀行及海關(guān)的監(jiān)控系統(tǒng)以及一些保密單位的自動門衛(wèi)系統(tǒng)等等。識別過程就是將人臉圖像映射到由特征臉構(gòu)成的子空間上，比較其與己知人臉在特征空間中的位置，具體步驟如下：