特征提取——生成样本矩阵（MATLAB实现）

最新推荐文章于 2025-06-22 16:20:10 发布

Chris_Che

最新推荐文章于 2025-06-22 16:20:10 发布

阅读量9.5k

点赞数 6

CC 4.0 BY-SA版权

分类专栏： Image Processing 文章标签： matlab 人脸识别特征提取

本文链接：https://blog.youkuaiyun.com/che_attitude/article/details/50884910

该函数将ORL人脸库的图像转换为样本矩阵，每行代表一个人脸向量，便于进行特征提取和降维处理。通过ReadFaces函数读取图像，将二维图像按列存储为行向量，并保存到FaceMat.mat文件中。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

函数功能：全像素存储，将图像所有像素存储在矩阵里。将人脸图像转换为向量形式，组成样本矩阵，便于后面做降维处理。

首先利用ReadFaces函数读入样本图像

然后将imgRow像素*imgCol像素的图像按列存储为一个imgRow*imgCol维的行向量作为样本矩阵FaceContainer中的一行（一个样本）

最后将样本保存在FaceMat.mat文件中

function [imgRow,imgCol,FaceContainer,faceLabel]=ReadFaces(nFacesPerPerson, nPerson, bTest)

% 读入ORL人脸库的指定数目的人脸前前五张(训练)

% 输入：nFacesPerPerson --- 每个人需要读入的样本数，默认值为 5

% nPerson --- 需要读入的人数，默认为全部 40 个人

% bTest --- bool型的参数。默认为0，表示读入训练样本（前5张）；如果为1，表示读入测试样本（后5张）

最低0.47元/天解锁文章

200万优质内容无限畅学

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Chris_Che

关注关注

6
点赞
踩
24

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

MATLAB算法实战应用案例精讲-【深度学习】多尺度特征提取(补充篇)

qq_36130719的博客

04-16

1321

传统特征提取方法的研究过程和思路是非常有用的，因为这些方法具有较强的可解释性，它们对设计机器学习方法解决此类问题提供启发和类比。有部分人认为（也有部分人反对）现有的卷积神经网络与这些特征提取方法有一定类似性，因为每个滤波权重实际上是一个线性的识别模式，与这些特征提取过程的边界与梯度检测类似。同时，池化（Pooling）的作用是统筹一个区域的信息，这与这些特征提取后进行的特征整合（如直方图等）类似。通过实验发现卷积网络开始几层实际上确实是在做边缘和梯度检测。

Matlab生成数据

wsxdw的博客

02-18

3391

Matlab生成数据创建随机数生成可重复的随机数创建随机矩阵/数组创建随机数有四种基本随机数函数：rand、randi、randn 和 randperm。rand 函数返回在 0 和 1 之间均匀分布的实数。例如， r1 = rand(1000,1); r1 是一个含有均匀分布浮点实数的 1000 x 1 的列向量。r1 中的所有值均处于开区间 (0, 1) 内。这些值的直方图大致上是扁平形状，这表明采样数相当均匀。 randi 函数返回离散均匀分布中的 double 整数值。例如， r2 = rand

参与评论您还未登录，请先登录后发表或查看评论

matlab：矩特征

gl328518397的专栏

08-21

1606

vcv

MATLAB的readmatrix函数

最新发布

m0_69522810的博客

06-22

362

readmatrix是 MATLAB 中用于。这个函数在 MATLAB R2019a 版本中引入，用来简化数据导入过程。

采样--Matlab

Rjex

01-19

555

采样原理对坐标值进行数字化称为采样。采样结果原图：采样结果：采样局部放大图：采样结果分析采样间隔越大，所得图像像素数越少，空间分辨率低，质量差，严重时会出现马赛克；采样间隔越小，所得图像像素数越多，空间分辨率越高，空间质量好，但与此同时，数据量也会增大。代码 %Write by 长安 Rjex clear, close all; I = imread('myfirst.jp...

用matlab生成样本

11-01

3460

（1）生成正样本 %% 读取文件夹是需要提取样本的视频采集图片，里面的1.txt是人工标出的目标坐标 %格式如下： img_1.jpg 2 4 527 215 524 238 535 238 537 215 4 575 218 571 238 581 238 580 218 img_2.jpg 2 4 535 217 532 236 543 237 543 218 4 486 216

python读取文档中有很多指标的数据写成矩阵_图像处理与特征提取 —— 从 MATLAB 到 Python（一）图像、矩阵与数据的读写...

weixin_39620653的博客

12-04

184

最近几个实验从 MATLAB 环境转入到 Python 环境做，踩了几个小坑，记录一下。写一半发现太长，分开几篇写，计划如下：基本图像处理特征提取分类距离、度量、评价指标与效果评估，及相关绘图主要内容就是介绍 MATLAB 中的各种操作在 Python 中如何实现。中间夹杂一些比较、感想和评论。希望能两到三天更新一篇。一、图像文件的读写MATLAB 中常见的图像的读写使用 imread 和 imw...

matlab方差特征提取,特征提取方法——共空间模式（Common Spatial Pattern,CSP）算法原理与实现...

weixin_32859127的博客

03-21

1257

1、原理公共空间模式(CSP)算法采用监督的方法建立一个最优的公共空间滤波器，在最大化一类方差的同时最小化另外一类方差，采用同时对角化两类任务协方差矩阵的方式，获得可区分程度最大的特征向量。适用于二分类任务的特征提取。公共空间模式(CSP)算法的过程以下：(1)将原始数据按照类别进行分段。两类样本数据E可分类为E1E_1E1和E2E_2E2。E1E_1E1为第一类样本数据，E2E_2E2为...

【多尺度熵与特征提取】一文看懂“多尺度熵”——多尺度样本熵、多尺度模糊熵、多尺度排列熵、多尺度包络熵、多尺度功率谱熵、多尺度能量熵、多尺度奇异谱熵及其MATLAB实现

fengzhuqiaoqiu的博客

02-02

6540

在之前的系列的文件里，我对信息熵（功率谱熵、奇异谱熵、能量熵、近似熵、样本熵、排列熵、模糊熵）进行了较为系统的讲解（文章链接见文末）。对于一组一维数据来说，求它的某种信息熵（比如模糊熵）得到的就是单一的数值，它描述的是这段信号的复杂度，单一的数据点自然没办法画图。不过对于朴素的“想要有张图贴到论文中”的想法，今天要讲的“多尺度熵”就可以满足了。

特征提取方法——共空间模式（Common Spatial Pattern,CSP）算法原理与实现

热门推荐

木木的博客

02-26

2万+

一、原理公共空间模式（CSP）算法采用监督的方法创建一个最优的公共空间滤波器，在最大化一类方差的同时最小化另一类方差，采用同时对角化两类任务协方差矩阵的方式，得到可区分程度最大的特征向量。适用于二分类任务的特征提取。公共空间模式（CSP）算法的过程如下：（1）将原始数据按照类别进行分段。两类样本数据E可分类为E1E_1E1和E2E_2E2。E1E_1E1为第一类样本数据，E2E_2E...

matlab矩阵建模,数学建模实验报告(一MATLAB中矩阵的基本操作.doc

weixin_34603379的博客

03-18

873

数学建模实验报告(一MATLAB中矩阵的基本操作数学建模实验报告实验课程:数学建模实验日期: 任课教师:班级：姓名：学号：一、实验名称: Matlab中矩阵的基本操作二、实验目的：熟悉MATLAB软件的用户环境；了解MATLAB软件的一般命令；掌握MATLAB向量、数组、矩阵操作与运算函数；能够利用MATL...

用MATLAB实现卷积神经网络CNN，并对图像进行特征提取_cnn图像处理matlab,cnn特征提取matalb

05-26

用MATLAB实现卷积神经网络，并对图像进行特征提取 文件列表： CNN CNN\cnnapplygrads.m CNN\cnnbp.m CNN\cnnff.m CNN\cnnnumgradcheck.m CNN\cnnsetup.m CNN\cnntest.m CNN\cnntrain.m CNN\expand.m CNN\flipall.m CNN\mnist_uint8.mat CNN\sigm.m CNN\test_example_CNN.m

基于NSCT变换的人脸图像特征提取matlab仿真

FPGA/MATLAB学习教程/源码/项目合作开发

09-28

1821

NSCT变换是在Contourlet变换的基础上提出的，不仅具有多分辨率、局部化和多方向等特点，还具有平移不变性，从而克服了Contourlet变换存在的缺陷。NSCT变换在结构上可以分为非下采样金字塔滤波器组(NSPFB)和非下采样方向滤波器组(NSDFB)两部分。其中NSPFB采用àtrous算法设计，能实现完全重构的双通道滤波器。为了获得更高精确的分解，采用方向滤波器组，对下一级滤波器采用基于梅花矩阵的上采样。其插值扇形滤波器有棋盘状的频域支撑，和前一级的滤波器结合在一起实现四个方向的频域分解。

MATLAB生成正态样本以及正态矩阵、从文件读入矩阵

weixin_34087301的博客

03-24

316

本文大多数内容来自于MATLAB的help命令，如果有不理解的可以使用这个命令阅读帮助文档。 1.生成高斯随机数样本矩阵：　　R = MVNRND(MU,SIGMA,N)，其中MU是1*D均值向量，SIGMA是D*D协方差矩阵，N是样本数目，返回的R是N*D样本矩阵示例 mu = [1 -1]; Sigma = [.9 .4; .4 .3]; r = mvnrnd(mu, Sig...

python将图像转换为特征向量

weixin_35752645的博客

02-12

1244

将图像转换为特征向量通常需要使用图像处理和机器学习算法。具体来说，可以使用深度学习中的卷积神经网络 (CNN) 提取图像的特征，然后将这些特征转换为特征向量。也可以使用传统的图像处理算法，例如灰度直方图、SIFT算法等，来提取图像的特征，并将这些特征转换为特征向量。这些向量可以用于训练机器学习模型，并用于图像分类、识别等任务。 ...

图像转换为向量 matlab,matlab图像转换成图像块向量im2col

weixin_28825959的博客

03-28

1158

函数原型：B = im2col(A,[m n],block_type) 功能：将矩阵A分为m×n的子矩阵，再将每个子矩阵作为B的一列。 (1)当block_type为distinct时，将A分解为互不重叠的子矩阵，并转换成列。若不足m×n，以0补足。例： A= 15 36 42 40 67...

机器学习分类问题

weixin_46131409的博客

01-24

1025

一.概述 1.概念: "分类"(Classification)是指根据已有样本,通过1/多个特征判断新样本属于哪个已知的样本类.也就是说,给出1个训练集{(x1,y1)...(xn,yn)}, 据此得到1个分类函数,来将新样本xi与某个已知的样本类yi关联起来.分类问题属于有监督学习 2.相关算法: 贝叶斯定理(Bayes' Theorem) 决策树(Decision Tree) K-近邻算法(K-Nearest Neighbours) 神经网络(Neural Networks) 支持向量机(Suppor

MATLAB使用后期融合实现声音场景识别（四）——训练与评估集成分类器

qq_36108664的博客

10-03

1030

本文是对MATLAB官网文档Acoustic Scene Recognition Using Late Fusion中训练集成分类器部分的翻译与解析，请参考原网页进行理解。目录Feature Extraction for Ensemble Classifier集成分类器的特征提取Define and Train Ensemble Classifier定义和训练集成分类器Evaluate Ensemble Classifier评估集成分类器Apply Late Fusion使用后期融合Evaluate La

matlab图像特征提取

qq_36108338的博客

04-01

1万+

图像的边缘检测：图像的边缘：指图像周围像素灰度急剧变化的那些像素的集合，存在于目标，背景和区域之间。首先检测图像中的边缘点，再按照某种策略将边缘点连接成轮廓，从而构成分割区域。可以分为俩种,一种为阶跃状边缘（边缘俩边像素的灰度值明显不同），另外为屋顶状边缘（边缘处于灰度值由小到大再到小变化的转折点处。 edge函数：BW=edge（I,method，threshold）功能:对所输入的灰度图像