【人脸识别】基于模板匹配算法实现人脸识别附matlab代码

本文介绍了使用PCA算法在Yale人脸库中选择样本库，提取特征并进行身份识别的过程。通过将图像视为高维空间中的点，通过PCA降维，然后利用最小距离法进行匹配。提供了MATLAB代码示例，包括不同类型的图像匹配，如光学与雷达、激光与光学、可见光与红外等。

1 简介

在一个 yale 人脸库中，有 15 个人，每人有 11 幅图像。要求选定每一个人的

若干幅图像组成样本库，由样本库得到特征库。再任取 yale 图像库的一张图片，

识别它的身份。

对于一幅图像可以看作一个由像素值组成的矩阵，也可以扩展开，看成一个

矢量。如一幅N*N象素的图像可以视为长度为N2的矢量，这样就认为这幅图像是

位于N2维空间中的一个点，这种图像的矢量表示就是原始的图像空间，但是这个

空间仅是可以表示或者检测图像的许多个空间中的一个。不管子空间的具体形式

如何，这种方法用于图像识别的基本思想都是一样的，首先选择一个合适的子空

间，图像将被投影到这个子空间上，然后利用对图像的这种投影间的某种度量来

确定图像间的相似度，最常见的就是各种距离度量。因此，本次采用PCA算法确

定一个子空间，最后使用最小距离法进行识别，并用matlab实现。

2 部分代码

clear;% % high resolution optical and sar matching%  im_Ref = imread('.\data\optical_ref.png');%  im_Sen = imread('.\data\SAR_sen.png');%  CP_Check_file = '.\data\OpticaltoSAR_CP.txt';% medium resolution optical and sar matching im_Ref = imread('.\data\Optical_ref2.tif'); im_Sen = imread('.\data\SAR_sen2.tif'); CP_Check_file = '.\data\OpticaltoSAR2_CP.txt';%lidar intensity and optical matching% im_Ref = imread('.\data\LiDARintensity_ref.tif');% im_Sen = imread('.\data\optical_sen.tif');% CP_Check_file = '.\data\LiDARtoOptical_CP.txt'; %visible and infrared image matching%im_Ref = imread('.\data\visible_ref.tif');%im_Sen = imread('.\data\infrared_sen.tif');%CP_Check_file = '.\data\VisibletoInfrared_CP.txt';disthre = 1.5;        % the threshod of match errors the deflaut is 1.5. for                      % high resolution image covering urban areas, we                      % should set it to a larger threshod (such as 2.0).                      % This is beccause that the geometric distortions between such images                      % is very complicated, and the transfrom model used                      % by us (such as projective model) can only prefit                      % the geometric distortion. Therefore, a larger threshod                      % have the more flexibility  % template matching using DLSC[CP_Ref,CP_Sen,CMR] = DLSC_match(im_Ref,im_Sen,CP_Check_file,disthre);x= sprintf('the correct match ratio is %4.3f',CMR);disp(x)%diplay the tie points figure;imshow(im_Ref),hold on;plot(CP_Ref(:,1),CP_Ref(:,2),'yo','MarkerEdgeColor','k','MarkerFaceColor','y','MarkerSize',5);hold on;title('reference image');figure;imshow(im_Sen),hold on;plot(CP_Sen(:,1),CP_Sen(:,2),'yo','MarkerEdgeColor','k','MarkerFaceColor','y','MarkerSize',5);hold on;title('sensed image');