PCA原理和eigenface实现

eigenface实现步骤

1) 将训练集的每个人脸图像拉成一列,将训练样本组合成一个大矩阵 A A ;假设每副人脸图像 xi x i 的大小为M×M,拉成一列后每个人脸样本的维度为 d=M×M d = M × M ,假设有N个人脸图像,整个样本矩阵的维度为d×N, A=(x1,x2,....xN) A = ( x 1 , x 2 , . . . . x N ) ;输入矩阵为 A A ,输出矩阵为 Z

2) 将所有的N个人脸在对应的维度上相加求平均值,得到一个平均列矩阵 u=d×1 u = d × 1 ;这个 u u 为所有人脸样本的”平均脸“图像。

3) 样本数据中心化: 将N个人脸图像 xi x i 都减去平均脸图像 u u ,得到差值图像数据矩阵 φ : φ = ( d × N )

4) 计算协方差矩阵 S=φφT S = φ φ T S=(d×d) S = ( d × d ) ,再对其进行特征值分解,计算S 的特征值 λi λ i 和特征向量 ωi ω i Sωi=λiωi

  • 3
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值