matlab开发-用PCA检测平面图像的眼镜

matlab开发-用PCA检测平面图像的眼镜。用主成分分析法检测人脸图像中眼镜的存在

%main
clear all
clc
close all
%Author: Mahmoud Afifi - York University
%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%STEP 1
%Load data and calculate the mean face

%load data
display（‘loading data...‘）;
[eyeglassesnonEyeglassestrainingEtrainingNtestingEtestingN]=load_data（）;

%calculate the average face
display（‘calculate the average face...‘）;
avg_face=getAvgFace（trainingN）;

%get the size of the original images （all datasets have images with the
%same dimensions）
img_size=[size（trainingN2）size（trainingN3）];

%get the number of samples in the training data
n=size（trainingN1）;

%Too much figures..ask for closing figures of step1
choice = questdlg（‘would you like to close all figures of step1?‘ ...
    ‘Step1‘ ...
    ‘Yes‘‘No‘‘No‘）;
% Handle response
switch choice
    case ‘Yes‘
        close all
end

%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%STEP 2
%get principle components W and the N latent coordinates

%resize data to be （height*width）xN matrix
train_imgs=（reshape（trainingN[size（trainingN1）size（trainingN2）*...
    size（trainingN3）]））‘;
glasses_imgs=（reshape（trainingE[size（trainingE1）size（trainingE2）*...
    size（trainingE3）]））‘;

test_imgsN=（reshape（testingN[size（testingN1）size（testingN2）*...
    size（testingN3）]））‘;

test_imgsE=（reshape（testingE[size（testingE1）size（testingE2）*...
    size（testingE3）]））‘;

avg_face=avg_face（:）; %resize the mean to be （height*width）x1 vector
display（‘calculate the principal components...‘）;
[WXL]=PCA_（train_imgsavg_face）; %get the principle components

%get the bound of x axis in plots
m=length（L）;
%Scree Plot
figure;
plot（L）;
title（‘Scree Plot‘）;
ylim（[-200max（L（:））]）
xlim（[-50m]）
xlabel（‘Index of Eigenvalues‘） % x-axis label
set（gca‘XTickLabel‘num2str（get（gca‘XTick‘）.‘）） %to avoid x10^k
ylabel（‘Eigenvalues‘） % y-axis label
set（gca‘YTickLabel‘num2str（get（gca‘YTick‘）.‘）） %to avoid x10^k

print（‘visualization\\ScreePlot‘‘-dpng‘）;  %save it
%Fraction of Variance （FVE）
FVE=cumsum（L（:））/sum（L（:））; %calc FVE
%plot FVE
figure;
plot（FVE）;
title（‘Fraction of Variance Explained‘）;
xlabel（‘c‘） % x-axis label
ylabel（‘FVE‘） % y-axis label
ylim（[min（FVE（:））1]）
print（‘visualization\\FVE‘‘-dpng‘）;  %save it

%Plot first 10 principle components （Eigenvectors）
figure（‘units‘‘normalized‘‘outerposition‘[0 0 1 1]） %full screen
for i=1:10
    subplot（25i）;
    imshow（reshape（W（:i）img_size（1）img_size（2））[]）;
    colormap（jet）;
    title（sprintf（‘Eigenvector %d‘i））;
end
print（‘visualization\\10EigenVectors‘‘-dpng‘）; %save it


%reconstruct the data
%pick random image
num=round（rand*n-1）+1;
%reconstruct the original images using few number of basis vectors
figure（‘units‘‘normalized‘‘outerposition‘[0 0 1 1]） %full screen
j=2;
subplot（251）;
imshow（reshape（train_imgs（:num）img_size（1）img_size（2））[]）;
title（

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件       12011  2019-01-03 21:10  demo.m
     文件        1014  2019-01-03 21:10  for submission.txt
     文件        1047  2019-01-03 21:10  getAvgFace.m
     文件        2604  2019-01-03 21:10  load_data.m
     文件     4091478  2019-01-03 21:10  logo.jpg
     文件        1885  2019-01-03 21:10  PCA_.m
     文件         913  2019-01-03 21:10  ReadMe.txt
     文件    13845639  2019-01-03 21:10  Report.pdf
     文件        1482  2019-01-03 21:10  license.txt