用于图像识别的2DPCA算法程序matlab

利用2DPCA进行图像的降维处理，有PCA所不具备的保持图像几何特征的性质。同时，运算速度也比PCA快。经过2DPCA线性降维器降维后，方便进行分类识别。 代码是matlab编程

%一个修改后的PCA进行人脸识别的Matlab代码

% calc xmeansigma and its eigen decomposition
function [frobenius_distrain_time] = u2dpca;
clear all;
cv = zeros（92/192/1）;
train_samples = zeros（112/192/1200）;
d = 8;
f = randperm（10）
tic;
for i=1:40
    for j=1:5
      a=imread（strcat（‘H:\毕业设计\face database\orl\orl_faces_gai\s‘num2str（i）‘\‘num2str（f（j））‘.bmp‘））;%D:\rawdata\ORL\s
      %a =  imresize（a1/4‘bilinear‘）;
      %imshow（a）;
      %b=a（112:92）; % b是行矢量 1×N，其中N＝10304，提取顺序是先列后行，即从上到下，从左到右
      b=double（a）;
      train_samples（::（i-1）*5 + j）=b;
      cv = cv + b‘*b;
    end
end
toc;
%mean_train_samples = mean（train_samples3）;
%train_samples_sub = zeros（112/192/1200）;
%for i = 1:200;
%    train_samples_sub（::i） = train_samples（::i） - mean_train_samples;
%    cv = cv +  train_samples_sub（::i）‘ *  train_samples_sub（::i）;
%end
cv = cv/200;

[vv dv]=eig（cv）;
d3=diag（dv）;
[d4 indexv]=sort（d3）; %以升序排序

for i=1:92/1
    vsortv（:i） = vv（: indexv（92/1-i+1） ）; % vsort 是一个M*col（注:col一般等于M）阶矩阵，保存的是按降序排列的特征向量每一列构成一个特征向量
    dsortv（i）   = d3（ indexv（92/1-i+1） ）;  % dsort 保存的是按降序排列的特征值，是一维行向量
end  %完成降序排列

final_v = zeros（92/1d）;
for i = 1:d;
     final_v（:i） = vsortv（:i）;
end
toc;
frobenius_dis = 0;
u2dproject = zeros（112/1d200）;
for i = 1:200
    u2dproject（::i） = train_samples（::i） * final_v;
    %image = u2dproject（::i） * final_v‘;
    %imwrite（uint8（image）strcat（‘H:\毕业设计\face database\orl\orl_faces_rename\u2dpca8\‘num2str（i）‘.bmp‘）‘bmp‘）;
    mid = train_samples（::i） - u2dproject（::i） * final_v‘;
    frobenius_dis = frobenius_dis + （norm（mid‘fro‘））^2;
end
train_time = toc;
%frobenius_dis
%tic;
%accu = 0;
%flag = zeros（1200）;
%test_features = zeros（112/1d）;
%mdist = zeros（1200）;
%for i=1:40
%    for j=6:10 %读入40 x 5 副测试图像
%       a=imread（strcat（‘H:\毕业设计\face database\orl\orl_faces_gai\s‘num2str（i）‘\‘num2str（f（j））‘.bmp‘））;%D:\rawdata\ORL\s
%        %a =  imresize（a1/4‘bilinear‘）;
%        b=double（a）;
%        test_features = b * final_v;
        
%        for k=1:200
%            mdist（k）= norm（test_features - u2dproject（::k）‘fro‘）;
%        end;
        
        %三阶近邻 
%        [distindex2]=sort（mdist）;
%        class1=floor（index2（1）/5 ）+1;%???
%        class2=floor（index2（2）/5）+1;
%        class3=floor（index2（3）/5）+1;
%        if class1~=class2 && class2~=class3
%            class=class1;
%        elseif class1==class2
%            class=class1;
%        elseif class2==class3
%            class=class2;
%        end;
%        if class==i
%            accu=accu+1;
%            flag（1（i-1）*5 + j-5） = 1;
%        end;
%    end;
%end;
%accuracy=accu/200 %输出识别率
%toc
return;

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       2884  2007-06-09 15:07  u2dpca.m

     文件       2612  2007-05-29 21:43  u2dpca_test.m

----------- ---------  ---------- -----  ----

                 5714                    3