基于k-l變換的人臉識(shí)別系統(tǒng)-資料下載頁(yè)
2025-06-26 10:36本頁(yè)面
【正文】 2str(mod(i,10)),num2str(j),39。.BMP39。)。 P=imread(strname)。X(:,i*Shumu+j)=reshape(P,row*clo,1)。 % 將讀出來的圖像數(shù)據(jù)拉長(zhǎng)為一列，存放在X變量中 endend % 為訓(xùn)練集賦初值，取每個(gè)人的頭shumu張圖像組成訓(xùn)練集meanvetor = mean(X,2)。 % 求得總體平均圖像向量for i=1:(pium1)*Shumu X(:,i)=X(:,i)meanvetor。end %各圖像減去總體平均圖像向量得到差值圖像向量pmetrix = X39。*X。 [v d] = eig(pmetrix)。 % 計(jì)算合成矩陣的特征向量和特征值vet=fliplr(v)。 % 翻轉(zhuǎn)vetvalue=fliplr(d)。 % 翻轉(zhuǎn)U = X * vet。p = U(:,36)。P = reshape(p,clo,row)。P = mat2gray(P)。figure(1)。imshow(P)。p = U(:,37)。P = reshape(p,clo,row)。P = mat2gray(P)。figure(2)。imshow(P)。p = U(:,38)。P = reshape(p,clo,row)。P = mat2gray(P)。figure(3)。imshow(P)。p = U(:,39)。P = reshape(p,clo,row)。P = mat2gray(P)。figure(4)。imshow(P)。p = U(:,40)。P = reshape(p,clo,row)。P = mat2gray(P)。figure(5)。imshow(P)。P=imread(strname)。 subplot(2,3,1)。 imshow(P)。 title([39。測(cè)試39。])。 P=reshape(P,row*clo,1)。P=double(P)。ceshi=Pmeanvetor。zbceshi=A*ceshi。for k=1:Total*Shumu wucha=zbceshiy(:,k)。 wuchametrix(:,k)=wucha39。*wucha。end[h,I]=min(wuchametrix)。 %最近鄰法進(jìn)行圖像識(shí)別B= ceil(I/Shumu)。B=B1。renwuxuhao=Bfor i=1:5 %輸出矩陣 strname=strcat(39。E: \face\ORL39。,num2str(fix(B/10)),num2str(mod(B,10)),num2str(i),39。.BMP39。)。 P=imread(strname)。 subplot(2,3,i+1)。 imshow(P)。 title([39。訓(xùn)練39。,num2str(i)])。end5 設(shè)計(jì)結(jié)果及分析綜合所得到的結(jié)果可以看出，當(dāng)訓(xùn)練集圖像的個(gè)數(shù)增加時(shí)，圖像吻合度越高，當(dāng)測(cè)試集和訓(xùn)練集在同一文件夾中時(shí)，精確度達(dá)到最高的100%。本次課程設(shè)計(jì)利用MATLAB工具與ORL數(shù)據(jù)庫(kù)完成了基于KL變換的人臉識(shí)別過程，學(xué)習(xí)了PCA算法以及KL變換的理論，并運(yùn)用MATLAB編譯實(shí)現(xiàn)大部分所需要的功能。在設(shè)計(jì)過程中，涉及到很多MATLAB相關(guān)函數(shù)，以及要求把對(duì)公式定理的理解付諸程序，是對(duì)我的一次綜合考察。18
高考資料相關(guān)推薦
鄂ICP備17016276號(hào)-1