PCA实训报告

春季学期的实训报告，也是最后一次实训课了。

把报告发上来，算是对这一学年学习降维算法的总结。

PCA代码哪天有空再弄上来，流程图的图片也下次再弄吧

更正：报告里关于LGBP的地方数据都有误，应该是40*56*50=132160

懒得一个个改了，以后有空再改吧

1       实训内容

    本学期的实训课程的主要任务为用PCA对人脸图片进行分级降维。总体流程如图1所示，首先将待降维的人脸图像经过LGBP，每张图片获得一个13万维的向量。确定分级降维的层次后，多次调用PCA算法处理数据，最后得到降维后的低维矩阵，也就是特征提取的过程。这次的任务与前两个学期是相通的，难度和复杂程度略有增加。之前一直是在学习降维算法，这次是在应用之前学过的内容，真正实现对人脸图片的操作。

由于我之前主要负责KLDA算法，因此这学期我又重新学习了PCA算法，并且将其在C++中实现了，其中求特征值特征向量的部分原本计划调用OpenCV中的函数，但由于配置问题还没有调用成功。最后特征值和特征向量使用了网络上一段代码求得。时间原因，这学期的任务我只完成了PCA的部分，分层降维的代码还没有完善。

这一学期的课程形式依旧与前两个学期类似，每周固定时间与导师见面讨论问题，小组成员互相交流，共同完成任务。在每周与导师的见面交流中，很多问题和疑惑得到了解决，包括对算法的理解和编程上问题。导师提出代码要多写多练，在编程初期遇到些小错误，很长时间发现不了都是正常的，不要因为出错就停止编程。

1.1  软件配置

这次的PCA算法中需要对协方差矩阵求特征值和特征向量，因此导师建议我们直接调用OpenCV中现有的函数。OpenCV的全称是Open Source Computer VisionLibrary，是一个免费的跨平台的计算机视觉库，可用于开发实时的图像处理、计算机视觉以及模式识别程序^[1]。配合OpenCV使用的还有Visual Studio2010，VS是一个强大的开发工具集，包括了整个软件生命周期中所需要的大部分工具，如UML工具、代码管控工具、集成开发环境（IDE）等等^[2]。

在配置vs和OpenCV时，研究生学长给了我们很大的帮助。在这一过程中，我了解了使用库函数最重要的一点就是路径，必须告诉编译器在哪里寻找头文件。

之前配置失败是因为执着于用以下代码调用cv.h：

1 #incl