PCA最近邻分类方法人脸识别

clear ;

tic;
%%  打开训练图像集 
Files = dir（‘face33\train\*.bmp‘）;      %打开文件夹中所有图像
Dir = ‘face33\train\‘;
nImg=length（Files）;
for k = 1:length（Files）;
    Filename = [Dir  Files（k）.name];
    Img  = imread（Filename）;
    x（:k） = Img（:）;           % 把图像放在矩阵x的第k列
    %% 将二维Img转换成一维列向量时，按列抽取：即是把第i+1列置于第i列后
end;
nImages = k;                    % 图像个数
imsize = size（Img）;            % 图像维度
nPixels = imsize（1）*imsize（2）;   % 图像总像素数
x = double（x）/255;                    % 将x转换为double型

%% 计算每幅训练图像的与平均脸的差值 
avrgx = mean（x‘）‘;           %计算均值图像
for i=1:1:nImages
    x（:i） = x（:i） - avrgx;       % x每一列减去平均脸
end;

%% 奇异值分解方法计算协方差矩阵的特征值和特征向量
%{
 Image尺寸为142x120=17040，协方差阵S=xx‘，则S为17040x17040矩阵，计算其特征值、特征向量计算量很大
 于是计算cov_mat=x‘x特征值、特征向量，则x‘x*v=lamda*v，左右同乘以x：xx‘x*v=lamda*x*v
 得到S特征向量为：lamda^-0.5*x*v
%}
cov_mat = x‘*x;  %协方差矩阵为x*x’，这里用奇异值分解
[VD] = eig（cov_mat）;         %V为以特征向量为列的矩阵，D为特征值组成的对角阵
%V = x*V*（abs（D））^-0.5;        %求协方差矩阵x*x‘的特征向量


%% 计算特征脸个数
add = 0.0;
DD=diag（D）;                       %将对角阵D转换为矢量
sum = sum（DD）;
for lamda_k =nImages:-1:1          %由于在D按照从小到大排列，故逆序遍历
    add = add + DD（lamda_k）;
    if add/sum > 0.95