facerec.asv

各种SVM分类算法

function  [Out]=facerec(Trainset)

Slect=Trainset;
n=1;
M=45;
N=length(Slect);
allsamples=[];%所有训练图像
for i=1:1:15
    for j=1:N
        filename  = sprintf('D:\\zzh\\work\\zzh\\lab\\yalefaces\\%d\\s%d.bmp',i,Slect(j));
      a=imread(filename);
%        figure(n);
%        subplot(221);imshow(a);title('原始图像');      
      a=a';     
 %************************直方图均衡*****************
% grayx_num=zeros(1,256);
% for ii=1:100
%   for jj=1:100
%       grayx_num(1,a(ii,jj)+1)=grayx_num(1,a(ii,jj)+1)+1;
%   end
% end
% for ii=1:256  % ??
%  grayx_pro(ii)=grayx_num(1,ii)/(100*100);  %????
%  if ii>1
%   grayx_pro(ii)=grayx_pro(ii-1)+grayx_pro(ii);  %????
%  end 
%  Table(ii)=uint8(255*grayx_pro(ii)); %???????
% end
% for ii=1:100
%   for jj=1:100
%       Out(ii,jj)=Table(a(ii,jj)+1);
%   end
% end
% Hist=Out;
% a=Out;
% 
% 
%  n=n+1;
 %subplot(222);imshow(a');title('直方图均衡后');   
%   %%%%%%%%%%%%%%%%%2*2 down Simgmple%%%%%%%%%%%%%%
%  nn=1;
%  mm=1;
% for ii=1:2:100
%     nn=1;
%   for jj=1:2:100
%     yasuo(mm,nn)=a(ii,jj)/4+a(ii,jj+1)/4+a(ii+1,jj)/4+a(ii+1,jj+1)/4;
%     nn=nn+1;
%   end
%   mm=mm+1;
% end
% a=yasuo; 
%  
%************************************************
% 作二维DCT，
% k1=25;
% k2=25;
% i1=1;
% j1=1;
% BB=zeros(50,50);
% temp=zeros(25,25);
% s=size(Hist);
% for m=1:s(1)
%     j1=1;
%    if rem(m,50)==0
%   		for n=1:s(2)
%           if rem(n,50)==0
%          	   B((m-50+1):m,(n-50+1):n)=dct2(Hist((m-50+1):m,(n-50+1):n));
%                B((m-k1+1):m,(n-50+1):n)=0;
%                B((m-50+1):m,(n-k2+1):n)=0;
%                temp=[B((m-50+1):m-25,(n-50+1):n-25)];
%                BB(i1:i1+24,j1:j1+24)=temp;
%                j1=j1+24;
%           end%if         
%         end%for n  
%       i1=i1+24;
%    end%if
% end%for m
% for m=1:s(1)     
%    	if rem(m,50)==0
% 				for n=1:s(2)
%                  if rem(n,50)==0
%                  C((m-50+1):m,(n-50+1):n)=idct2(B((m-50+1):m,(n-50+1):n));
%                 end
%       		end
%       end
%   end
% C=uint8(C);
% figure(1);
% subplot(2,2,2);
% subimage(C');
% subplot(2,2,1);
% subimage(Hist');
%**********************************************************
 
%%%%%%%%%%
      b=a(1:100*100); % b是行矢量 1×N，其中N＝10000，提取顺序是先列后行，即从上到下，从左到右
      b=double(b);
      allsamples=[allsamples; b];  % allsamples 是一个M * N 矩阵，allsamples 中每一行数据代表一张图片，其中M＝200
  
    end
end




samplemean=mean(allsamples); % 平均图片

xmean=[];
for i=1:1:M 
    xmean(i,:)=allsamples(i,:)-samplemean; % xmean是一个M × N矩阵，xmean每一行保存的数据是“每个图片数据-平均图片”
end;

sigma=xmean*xmean';   % M * M 阶矩阵
[v d]=eig(sigma);
d1=diag(d);
[d2 index]=sort(d1); %以升序排序
cols=size(v,2);% 特征向量矩阵的列数
vsort=[];
for i=1:cols
    vsort(:,i) = v(:, index(cols-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
    dsort(i)   = d1( index(cols-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
%以下选择x%的能量
dsum = sum(dsort);
    dsum_extract = 0;
    p = 0;
    while( dsum_extract/dsum < 0.90)
        p = p + 1;
        dsum_extract = sum(dsort(1:p));
    end
i=1;
% (训练阶段)计算特征脸形成的坐标系
while (i<=p && dsort(i)>0)
    base(:,i) = dsort(i)^(-1/2) * xmean' * vsort(:,i);   % base是N×p阶矩阵，除以dsort(i)^(1/2)是对人脸图像的标准化，详见《基于PCA的人脸识别算法研究》p31
    i = i + 1;
end
size(base)
% add by wolfsky 就是下面两行代码，将训练样本对坐标系上进行投影,得到一个 M*p 阶矩阵allcoor
allcoor = allsamples * base;
size(allcoor);



%%%%%%%%%%%%%%%%%%%%%%%%%%    LDA     %%%%%%%%%%%%%%%%%%%%%%%%%%
% Meanclass=zeros(15,size(allcoor,2));
% for person_num=1:15          % 得到 每一个类内的样本的平均值    
%  for class_num=1:N        
%     Meanclass(person_num,:)=Meanclass(person_num,:)+allcoor(N*(person_num-1)+class_num,:);      
%  end
% end
%  Meanclass=Meanclass/N;
% 
%  j=1;
% Sw=zeros(size(allcoor,2),size(allcoor,2));    % 计算wihin-class matrix Sw
% for person_num=1:15 
%  for i=1:N  
%      Sw=Sw+(allcoor(N*(person_num-1)+i,:)-Meanclass(person_num,:))'*(allcoor(N*(person_num-1)+i,:)-Meanclass(person_num,:));
%         %Sw=Sw+(allcoor(4*(person_num-1)+i,:)-Meanclass(person_num,:))*(allcoor(4*(person_num-1)+i,:)-Meanclass(person_num,:))';
%      j=j+1;
%  end
% end
% 
% j=1;
% Meansample=mean(allcoor);   %求所有样本的平均值
% Sb=zeros(size(allcoor,2),size(allcoor,2));      % 计算between-class matrix Sb
% for person_num=1:15       
%     Sb=Sb+(Meanclass(person_num,:)-Meansample)'*(Meanclass(person_num,:)-Meansample);
%     j=j+1;
% end
% 
% S=inv(Sw)*Sb;
% [Vs,Ds]=eig(S);
% 
% Wlda=base*Vs;
% 
% allcoor = allsamples * Wlda;
% size(allcoor);
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%



% accu = 0;
% accu1 = 0;
% accu2 = 0;
% m=1;
% %%%%%%%％％％％％％％％％％%测试过程％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％
% %%%%%%%％％％％％％％％％％%测试过程％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％
% %%%%%%%％％％％％％％％％％%测试过程％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％
% %%%%%%%％％％％％％％％％％%测试过程％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％
% %%%%%%%％％％％％％％％％％%测试过程％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％
% %%%%%%%％％％％％％％％％％%测试过程％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％
% %%%%%%%％％％％％％％％％％%测试过程％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％
% %%%%%%%％％％％％％％％％％%测试过程％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％
% %%%%%%%％％％％％％％％％％%测试过程％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％
% 
% for i=1:1:15
%     disp('...........')
%     for j=1:11%读入测试图像
%    %j=11;
%        filename  = sprintf('D:\\MATLAB702\\work\\K-L\\yalefaces\\%d\\s%d.bmp',i,j);
%        %filename  = sprintf('D:\MATLAB702\work\test\\s%d\\test%d.pgm',i,j);
%       a=imread(filename); 
%       a=a';
% %%%%%%histogram%%%%%%%%%%%%%
% grayx_num=zeros(1,256);
% for ii=1:100
%   for jj=1:100
%       grayx_num(1,a(ii,jj)+1)=grayx_num(1,a(ii,jj)+1)+1;
%   end
% end
% for ii=1:256  % ??
%  grayx_pro(ii)=grayx_num(1,ii)/(100*100);  %????
%  if ii>1
%   grayx_pro(ii)=grayx_pro(ii-1)+grayx_pro(ii);  %????
%  end 
%  Table(ii)=uint8(255*grayx_pro(ii)); %???????
% end
% for ii=1:100
%   for jj=1:100
%       Out(ii,jj)=Table(a(ii,jj)+1);
%   end
% end
% Hist=Out;
% a=Out;
% 
% % 二值化
%  %a=floor(Out/240)*255; 
%  
% %   %%%%%%%%%%%%%%%%%2*2 down Simgmple%%%%%%%%%%%%%%
%  nn=1;
%  mm=1;
% for ii=1:2:100
%     nn=1;
%   for jj=1:2:100
%     yasuo(mm,nn)=a(ii,jj)/4+a(ii,jj+1)/4+a(ii+1,jj)/4+a(ii+1,jj+1)/4;
%     nn=nn+1;
%   end
%   mm=mm+1;
% end
% a=yasuo;
% 
% %********************************
% % 作二维DCT，
% % k1=25;
% % k2=25;
% % i1=1;
% % j1=1;
% % BB=zeros(50,50);
% % temp=zeros(25,25);
% % s=size(Hist);
% % for m=1:s(1)
% %     j1=1;
% %    if rem(m,50)==0
% %   		for n=1:s(2)
% %           if rem(n,50)==0
% %          	   B((m-50+1):m,(n-50+1):n)=dct2(Hist((m-50+1):m,(n-50+1):n));
% %                B((m-k1+1):m,(n-50+1):n)=0;
% %                B((m-50+1):m,(n-k2+1):n)=0;
% %                temp=[B((m-50+1):m-25,(n-50+1):n-25)];
% %                BB(i1:i1+24,j1:j1+24)=temp;
% %                j1=j1+24;
% %           end%if         
% %         end%for n  
% %       i1=i1+24;
% %    end%if
% % end%for m
% %********************************
%         b=a(1:50*50);
%         b=double(b);
%         tcoor= b * base; %计算坐标，是1×p阶矩阵
% %********************************  SVM ******************************* 
% 
% Class=zeros(1,20);
%   Y=[-ones(1,3) ones(1,3)]';
%   for I=1:14
%       J=I;      
%       MSV(1:3,:)=allcoor(1+3*(I-1):1+3*(I-1)+2,:);
%     while(15-J~=0)
%       MSV(4:6,:)=allcoor(1+3*J:1+3*J+2,:);
%       J=J+1;
%       [nsv,alpha,bias,T]=svm168(MSV,Y,'linear',5);
%       W=MSV'*alpha;   
%       Output=tcoor*W+bias;      
%       if(sign(Output)==-1)
%           Class(I)=Class(I)+1;
%       else
%           Class(J)=Class(J)+1;
%       end
%     end
%   end
%   [CC,Index]=max(Class);
% 
%    if Index==i
%             accu=accu+1;
%             if (j==Slect(1)|j==Slect(2)|j==Slect(3) )
%                 accu1=accu1+1;
%             else
%                accu2=accu2+1; 
%             end
%         end;
% %************************** 欧式距离  ******************************  
%    
% %         for k=1:1:M 
% %                 mdist(k)=norm(tcoor-allcoor(k,:));
% %             end;
% %             
% %  %三阶近邻        
% %  [dist,index2]=sort(mdist); 
% %         index2=index2-1;
% %         class1=floor(index2(1)/N)+1;
% %         class2=floor(index2(2)/N)+1;
% %         class3=floor(index2(3)/N)+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;
% %             if (j==Slect(1)|j==Slect(2)|j==Slect(3) )
% %                 accu1=accu1+1;
% %             else
% %                accu2=accu2+1; 
% %             end
% %         end;
% %************************** 欧式距离  ******************************  
%     end;
% end;
% %accu
% %输出识别率
% accuracy=accu/165;
% accuracy1=accu1/45;
% accuracy2=accu2/120;
% Out=[Slect,accuracy,accuracy1,accuracy2]; %训练集 输出识别率