MATLAB基于PCA-LDA模糊神经网络的人脸识别

题目：MATLAB基于PCA-LDA模糊神经网络的人脸识别
一、课题简介
基于PCA-LDA和粗糙集模糊神经网络的人脸识别，一方面在应用前景上是十分广阔的，可以为IT行业创造更好的经济效益。另一方面，它相对于其它的生物特征识别更加方便。至于环境方面，人脸识别对环境并没有什么影响。
图像获取功能：该模块的功能是从图像库中获取图片，获取的图像必须能够在开发环境中可以显示，以便进行图像的处理和识别。
1、图像预处理功能：该模块的功能包括图像光线强弱的补偿，图像的灰度化处理，去噪，2、均衡化后的直方图，以此达到图像对比后增强的目的。
3、图像特征提取功能：改模块的功能是在处理后的图像进行训练，然后将训练后的图像的眼睛，鼻子，嘴巴等生物特征提取出来。
4、图像识别功能：该模块部分是将需要进行检测的图像的特征提取出来与数据库的图像的特征进行比较，以此达到人脸识别的功能。
二、源码实现
function [Pro_Matrix,Mean_Image]=my_pca(Train_SET,Eigen_NUM)
%输入：
%Train_SET：训练样本集，每列是一个样本，每行一类特征，Dim*Train_Num
%Eigen_NUM：投影维数

%输出：
%Pro_Matrix：投影矩阵
%Mean_Image：均值图像

[Dim,Train_Num]=size(Train_SET);

%当训练样本数大于样本维数时，直接分解协方差矩阵
if Dim<=Train_Num
Mean_Image=mean(Train_SET,2);
Train_SET=bsxfun(@minus,Train_SET,Mean_Image);
R=Train_SET*Train_SET’/(Train_Num-1);

[eig_vec,eig_val]=eig(R);
eig_val=diag(eig_val);
[~,ind]=sort(eig_val,'descend');
W=eig_vec(:,ind);
Pro_Matrix=W(:,1:Eigen_NUM);