基于pca的人臉識別matlab源碼-資料下載頁
2024-11-06 07:16本頁面
【導讀】矢量1*N，N=10304，提取順序是先列后行，行投影，得到一個M*p子空間中的一個點，
【正文】 b)。 b=bsamplemean。 c = b * base。 % c 是圖片 a在子空間中的系數(shù) , 是 1*p 行矢量 % 根據(jù)特征系數(shù)及特征臉重建圖 % 前 15 個 t = 15。 temp = base(:,1:t) * c(1:t)39。 temp = temp + samplemean39。 imwrite(mat2gray(reshape(temp, 112,92)),39。d:\test2\39。)。 % 前 50個 t = 50。 temp = base(:,1:t) * c(1:t)39。 temp = temp + samplemean39。 imwrite(mat2gray(reshape(temp, 112,92)),39。d:\test2\39。)。 % 前 100個 t = 100。 temp = base(:,1:t) * c(1:t)39。 temp = temp + samplemean39。 imwrite(mat2gray(reshape(temp, 112,92)),39。d:\test2\39。)。 % 前 150個 t = 150。 temp = base(:,1:t) * c(1:t)39。 temp = temp + samplemean39。 imwrite(mat2gray(reshape(temp, 112,92)),39。d:\test2\39。)。 % 前 199 個 t = 199。 temp = base(:,1:t) * c(1:t)39。 temp = temp + samplemean39。 imwrite(mat2gray(reshape(temp, 112,92)),39。d:\test2\39。)。 圖片歸一化 圖片標準化通常是一個整體概念，要求把圖片歸一到均值為 0，方差為 1的情況下。 這個概念類識于一般正態(tài)分布向標準正態(tài)分布的轉化： (imageMean)/Variance 其 中， Mean和 Variance分別為矩陣的均值和方差。
公司管理相關推薦
鄂ICP備17016276號-1