摘要：
PCA把多维数据降维，并使各维之间的相关性为零，从而最小化重构数据与原数据的方差。PCA可以用于人脸识别，即特征脸方法。PCA用于人脸识别的大体思路如下所述。 假设图片库中图片数为n,图片数据量为d=M*N 训练流程： 1,把图片库中的所有图片转化为灰度图片，然后形成n*d大小的矩阵X; 2,计算d维均值m,计算X中每个样本减去均值后的矩阵Y(n*d大小); 3,使用PCA生成维数为n*k维的方阵A(k<=n-1),k的值可以根据需要选择。其中A的各列为矩阵Y*Y'的最大的k个特征向量所构成。可以注意到Y*Y'即为协方差矩阵; 4,使用Y'*A生成d*k的特征脸E 阅读全文
摘要：
在VisualStudio2008+openCV下实现的代码如下：View Code // alphaBlending.cpp : 定义控制台应用程序的入口点。//#include "stdafx.h"#include<cv.h>#include<cxcore.h>#include<highgui.h>IplImage *alphaBlending(IplImage *src1,IplImage *src2,double winSize){ if(src1->height!=src2->height||src1->wid 阅读全文
摘要：
本文使用LDA作为分类器在matlab下做实验。 其中投影转换矩阵W按照LDA的经典理论生成，如下的LDA函数，并返回各个类的投影后的（ｋ－１）维的类均值。LDA.m代码如下：View Code function [W,centers]=LDA(Input,Target)% Ipuut: n*d matrix,each row is a sample;% Target: n*1 matrix,each is the class label % W: d*(k-1) matrix,to project samples to (k-1) dimention% cneters: k*(k-1) m. 阅读全文