人眼識別-wenkub.com
2025-09-20 19:02 本頁面
【正文】 .pgm39。 Euc_dist2 = [Euc_dist2 dist]。 temp = ( norm( ProjectedTestImage q ))^2 。 * V_PCA39。InImage = reshape(temp39。 C. 第三部分：function OutputName = Recognition(TestImage, m_database, V_PCA, V_Fisher, ProjectedImages_Fisher, Class_number, Class_population)%函數(shù)描述：這個函數(shù)將源圖像提取成特征臉，然后比較它們之間的歐幾里得距離%輸入量: TestImage 測試樣本的路徑%%V_PCA (M*Nx(PC)訓練樣本協(xié)方差的特征向量%V_Fisher ((PC)x(C1)) 最大的（C1）維J = inv(Sw) * Sb的特征矩陣%ProjectedImages_Fisher ((C1)xP)維訓練樣本，這些樣本從fisher線性空間中提取%Class_number類的數(shù)目%Class_population每一類圖像的數(shù)目%返回值： OutputName 在訓練樣本中的被識別的圖像的名字Train_Number = size(ProjectedImages_Fisher,2)。 end%由PCA過渡到FLD%img_fisher = w_fisher39。%fisher判別法將N維映射到C1維end %%%%%從fisher線性空間中提取圖像%Yi = V_Fisher39。[J_eig_vec, J_eig_val] = eig(Sb,Sw)。182。192。192。208。200。235。224。238。187。202。196。195。Sb = Sb + (m(:,i) m_PCA) * (m(:,i) m_PCA)39。 for i = 1 : Class_number m(:,i) = mean( ( ProjectedImages_PCA(:,((i1)*Class_population+1):i*Class_population) ), 2 )39。 ProjectedImages_PCA = [ProjectedImages_PCA temp]。end%%%%計算特征矩陣的協(xié)方差矩陣C%%%%%V_PCA = A * L_eig_vec。V = fliplr(V)。包含T每一行均值的列向量%%%%計算方差%%%%%A = T repmat(m_database,1,P)。 類的數(shù)目，除以8取決于樣本中有多少類人Class_population = 9。,irow*icol,1)。 str = strcat(TrainDatabasePath,str)。\39。)) Train_Number
環(huán)評公示相關推薦
鄂ICP備17016276號-1