基于KL变换的人脸识别

1、特征人脸
function [] = eigface()
allsamples=[];
for i=1:7
a=imread( strcat( ‘C:\Users\lenvo\Desktop\图’ , ‘’ ,num2str(i), ‘.BMP’ ) );
b=a( 1:100100 );
b=double(b);
allsamples=[ allsamples; b ];
end
samplemean=mean(allsamples);
for i=1:7
xmean(i,:)=allsamples(i,:)-samplemean;
end;
sigma=xmeanxmean’; [v d]=eig(sigma);
d1=diag(d);
dsort = flipud(d1);
vsort = fliplr(v);
dsum = sum(dsort);
dsum_extract = 0;
p = 0;
while( dsum_extract/dsum < 0.9)
p = p + 1;
dsum_extract = sum(dsort(1:p));
end
p=6;
base = xmean’ * vsort(:,1:p) * diag(dsort(1:p).^(-1/2));
for ( k=1:p )
hape( base(:,k), 100,100);
newpath = [‘C:\Users\lenvo\Desktop\test’ int2str(k) ‘.jpg’];
imwrite( mat2gray(temp), newpath );
end
avg = reshape(samplemean, 100,100);
imwrite(mat2gray(avg), ‘C:\Users\lenvo\Desktop\test\average.jpg’);
save(‘C:\Users\lenvo\Desktop\test\eigface.mat’, ‘base’, ‘samplemean’);
2、识别
allsamples=[];
for i=1:7
a=imread( strcat( ‘C:\Users\lenvo\Desktop\ 图
’ , ‘’ ,num2str(i), ‘.BMP’ ) );
b=double(b);
allsamples=[ allsamples; b ];
end
samplemean=mean(allsamples);
for i=1:7
xmean(i,:)=allsamples(i,:)-samplemean;
end;
sigma=xmeanxmean’;
[v d]=eig(sigma);
d1=diag(d);
dsort = flipud(d1);
vsort = fliplr(v);
dsum = sum(dsort);
dsum_extract = 0;
p = 0;
while( dsum_extract/dsum < 0.9)
p = p + 1;
dsum_extract = sum(dsort(1:p));
end
i=1;
base = xmean’ * vsort(:,1:p) * diag(dsort(1:p).^(-1/2));
allcoor = allsamples * base;
accu = 0;
for j=1:3
a=imread( strcat( ‘C:\Users\lenvo\Desktop\test3’ , ‘’ ,num2str(i), ‘.BMP’ ) );
b=a(1:10000);
b=double(b); tcoor= b * base;
for k=1:7
mdist(k)=norm(tcoor-allcoor(k,:));
end;
[dist,index2]=sort(mdist);
class1=floor( (index2(1)-1)/5 )+1;
class2=floor((index2(2)-1)/5)+1;
class3=floor((index2(3)-1)/5)+1;
if class1~=class2 && class2~=class3
class=class1;
elseif class1class2
class=class1;
elseif class2class3
class=class2;
end;
if class==i
accu=accu+1;
end;
end;
accuracy =accu/7
3．重构
function [] = Reconstruct()
load C:\Users\lenvo\Desktop\test\eigface.mat;
a=imread(‘C:\Users\lenvo\Desktop\test2\10.bmp’);
b=a( 1:100100 ); b=double(b);
b=b-samplemean;
c = b * base;
t = 2;
temp = base(:,1:t) * c(1:t)’;
temp = temp + samplemean’;
imwrite(mat2gray(reshape(temp, 100,100)),C:\Users\lenvo\Desktop\1.jpg)
t = 4;
temp = base(:,1:t) * c(1:t)’;
temp = temp + samplemean’;
imwrite(mat2gray(reshape(temp, 100,100)),‘C:\Users\lenvo\Desktop\2.jpg’);
t = 6;
temp = base(:,1:t) * c(1:t)’;
temp = temp + samplemean’;
imwrite(mat2gray(reshape(temp, 100,100)),‘C:\Users\lenvo\Desktop\3.jpg’);
给出ORL人脸数据库，共有400幅人脸图像（40人，每人10幅，大小为92*112象素）

通过取不同的前N个最大特征向量，如最大的10个表示为190：200，得到如下识别率的数据：
190：200 识别率为： 0.9100
180：200 识别率为： 0.9350
170：200 识别率为： 0.9450
160：200 识别率为： 0.9500
150：200 识别率为： 0.9450
140：200 识别率为： 0.9500
130：200 识别率为： 0.9400
120：200 识别率为： 0.9500
110：200 识别率为： 0.9450
100：200 识别率为： 0.9450
50：200 识别率为： 0.9500
20：200 识别率为： 0.9600
1：200 识别率为： 0.9600
当最大特征向量达到30个以后识别率已经固定在0.9450。再增加提高已经不大。