基于matlab简单的特征脸的人脸识别程序

这是我写的程序，参照《模式识别》张学工第9章。

a1=imread('a1.jpg')

a2=imread('a2.jpg')

b1=imread('b1.jpg')

b2=imread('b2.jpg')

a1=rgb2gray(a1)

a2=rgb2gray(a2)

b1=rgb2gray(b1)

b2=rgb2gray(b2)

figure,imshow(a1)

figure,imshow(a2)

figure,imshow(b1)

figure,imshow(b2)

a1=double(a1)

a2=double(a2)

b1=double(b1)

b2=double(b2)

a1_lie=a1(:)

a2_lie=a2(:)

b1_lie=b1(:)

b2_lie=b2(:)

c=cat(1,a1_lie',a2_lie',b1_lie',b2_lie')

c_mean=mean(c)

X=[a1_lie-c_mean',a2_lie-c_mean',b1_lie-c_mean',b2_lie-c_mean']

R=X'*X % R是4×4的矩阵

[p,q]=eig(R)

u=diag(q) % u是4×1的列向量

u=flipud(u) % flipud(u)实现矩阵的上下翻转， u是4×1的列向量

v=fliplr(p) % fliplr(p)实现矩阵的左右翻转，v是4×4的矩阵

e=zeros(36000,4)

for m=1:3

e(:,m)=X*v(:,m)./(u(m)^(-0.5)) % 参见《模式识别》P226公式9-18

end

p1=zeros(200,180)

p2=zeros(200,180)

p3=zeros(200,180)

for m=1:36000

p1(m)=e(m)

p2(m)=e(m+36000)

p3(m)=e(m+72000)

end

p1=mat2gray(p1)

p2=mat2gray(p2)

p3=mat2gray(p3)

figure,imshow(p1) % 显示第1特征脸

figure,imshow(p2) % 显示第2特征脸

figure,imshow(p3) % 显示第3特征脸

new=c*e(:,1:3) %分别计算4个训练样本分别在第1、第2、第3、特征脸上的投影

p1=imread('p_test1.jpg')%读入一个测试样本

p1=rgb2gray(p1)

figure,imshow(p1)

p2=double(p1(:))

test=p2'*e(:,1:3)%计算测试样本在3个特征脸上的投影

error=zeros(4,1)

for m=1:4

error(m)=norm((new(m,:)-test))

end

[distence,index]=sort(error) %将列向量error中的数据按从小到大排列

if index(1)==1

result=1

elseif index(1)==2

result=1

elseif index(1)==3

result=2

elseif index(1)==4

result=2

end

result %result为1时表示测试样本属于第1个人，为2时表示测试样本属于第2个人

function []=TwoDPCA

%%%%%%%%%%%%%特征脸显示已正确，训练与测试没有分开。

% Face recognition

clear all

close all

clc

M=200%%%%

traincopy=5%%%表示同一个人有几张相片。

eignum=3%%%选取的特征个数。

cel=cell(1,M)

cellafter=cell(1,M)

tt=clock

S=[]

ii=1

str=strcat('E:\三维人脸\2dfacedatabase\ORL\s1\1.pgm')

img=imread(str)

[ia ib]=size(img)

sum=zeros(ia,ib)

B=zeros(ia,ib)

for i=1:40

for j=1:5

str=strcat('E:\三维人脸\2dfacedatabase\ORL\s',int2str(i),'\',int2str(j),'.pgm')

eval('img=imread(str)')

sum=double(sum)+double(img)

cel{1,ii}=img

ii=ii+1

end

end

meanA=sum/M

cov=zeros(ib)

for i=1:M

img=cel{1,i}

B=double(img)-double(meanA)

temp=B'*B

cov=double(cov)+double(temp)

end

[vv dd]=eig(cov)

num2=size(vv)

% Sort and eliminate those whose eigenvalue is zero

v=[]

d=[]

for i=1:size(vv,2)

if(dd(i,i)>1e-4)

v=[v vv(:,i)]

d=[d dd(i,i)]

end

end

num1=size(v,2)

%sort, will return an ascending sequence

[B index]=sort(d)

ind=zeros(size(index))

dtemp=zeros(size(index))

vtemp=zeros(size(v))

len=length(index)

for i=1:len

dtemp(i)=B(len+1-i)

ind(i)=len+1-index(i)

vtemp(:,ind(i))=v(:,i)

end

d=dtemp

v=vtemp

imgafter=[]

for i=1:M

for j=1:eignum

img=cel{1,i}

temp1=double(img)*double(v(:,j))

imgafter=[imgafter temp1]

end

cellafter{1,i}=imgafter

imgafter=[]

end

timeconsume=etime(clock,tt)

testimg=M/traincopy

findimgnum=traincopy

suc=0

% figure(5)

for k=1:testimg

InputImage =imread(strcat('E:\三维人脸\2dfacedatabase\ORL\s',int2str(k),'\10.pgm'))

testafter=[]

for j=1:eignum

temp=double(InputImage)*double(v(:,j))

testafter=[testafter temp]

end

% Find Euclidean distance

e=[]

for i=1:M

tempA=double(testafter)-double(cellafter{1,i})

total=0

for j=1:eignum

aa=norm(tempA(:,j))

total=total+aa

end

e=[e total]

end

[C index]=sort(e)

min=index(1)

%%%%%%%计算正确率

testingroup=floor((min-1)/traincopy)+1%%计算要测试的图像所在的组

if testingroup==k

suc=suc+1

else

fprintf('%d.jpg fails to match!\n',k)

end

% %%%%%%%%%%%%%%%%%%%显示所有找到的与测试图像为同一个人的图片（可）。(显示所有与测试图片最小距离的那组，而不是比较出来的最小的5个）

% subplot(testimg,findimgnum+1,(k-1)*(findimgnum+1)+1)% subplot(行数，列数，放图像位置的序数）

% imshow(InputImage)

%

% for i=1:findimgnum

% temppos=(testingroup-1)*traincopy+i

% str=strcat('E:\三维人脸\testpic\orl\',int2str(temppos),'.pgm') %concatenates two strings that form the name of the image

% eval('img1=imread(str)')

% subplot(testimg,findimgnum+1,(k-1)*(findimgnum+1)+i+1)

% imshow(img1)

% drawnow

% end

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

end

sucrate=suc/M*traincopy*100

fprintf('%2.1f%% matched successfully!\n',sucrate)

fprintf('it takes %3.2f S\n',timeconsume)

---