PCA检测人脸的简单示例_matlab实现

来源：互联网发布：单片机控制8个led灯编辑：程序博客网时间：2024/05/17 22:06

此文转载于mpbchina的博客，转载地址：

http://blog.csdn.net/mpbchina/article/details/7384425

[plain] view plaincopy
%训练  
%Lx=X'*X  
clear;  
clc;  
train_path='..\Data\TrainingSet\';  
phi=zeros(64*64,20);  
for i=1:20  
path=strcat(train_path,num2str(i),'.bmp');  
Image=imread(path);  
Image=imresize(Image,[64,64]);  
phi(:,i)=double(reshape(Image,1,[])');  
end;  
%mean  
mean_phi=mean(phi,2);  
mean_face=reshape(mean_phi,64,64);  
Image_mean=mat2gray(mean_face);  
imwrite(Image_mean,'meanface.bmp','bmp');  
%demean  
for i=1:19  
X(:,i)=phi(:,i)-mean_phi;  
end  
Lx=X'*X;  
tic;  
[eigenvector,eigenvalue]=eigs(Lx,19);  
toc;  
%normalization  
for i=1:19  
%K-L变换  
UL(:,i)=X*eigenvector(:,i)/sqrt(eigenvalue(i,i));  
end  
%display Eigenface  
for i=1:19  
Eigenface=reshape(UL(:,i),[64,64]);  
figure(i);  
imshow(mat2gray(Eigenface));  
end  

得到的均值图像mean_face：

前19个最大主元对应的“特征脸”：

测试：
测试用样本：

[plain] view plaincopy
%使用测试样本进行测试  
clc;  
test_path='..\Data\TestingSet\';  
error=zeros([1,4]);  
for i=1:4  
path=strcat(test_path,num2str(i),'.bmp');  
Image=imread(path);  
Image=double(imresize(Image,[64,64]));  
phi_test=zeros(64*64,1);  
phi_test(:,1)=double(reshape(Image,1,[])');  
X_test=phi_test-mean_phi;  
Y_test=UL'*X_test;  
X_test_re=UL*Y_test;  
Face_re=X_test_re+mean_phi;  
calculate error rate  
e=Face_re-phi_test;  
  
  
%%display figure  
Face_re_2=reshape(Face_re(:,1),[64,64]);  
figure(i);  
  
imshow(mat2gray(Image));  
title('Original');  
figure(10+i);  
imshow(mat2gray(Face_re_2));  
title('Reconstruct');  
error(1,i)=norm(e);  
  
%dispaly error rate  
error_rate=error(1,i);  
display(error_rate);  
end  

重建出的测试样本与原样本的对比：

四副测试样本的重建误差分别为：
1.4195e+003
1.9564e+003
4.7337e+003
7.0103e+003

可见测试样本为人脸的样本的重建误差显然小于非人脸的重建误差。