- 博客(6)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 基于PCA的人脸特征提取1
应用PCA技术来抽取人脸特征，在降低维数的同时，在一定程度上去除原始特征各维之间的相关性。一 、生成样本矩阵ORL人脸库共有400幅人脸图像（40人，每人10幅图像，像素为112*92），选用每个人的前5张图片作为实验的数据集，这样共有200幅样本图像。首先要做的是将这200幅人脸图像转换为向量形式，组成样本矩阵。函数ReadFaces()用于完成这一任务ReadFaces()依次
2014-12-04 13:46:01
2016
1
原创 主成分分析PCA的matlab实现
函数princomp实现了对PCA的封装，其常见调用形式为：[COEFF，SCORE，Latent]=princomp(x);参数说明：* x为原始样本组成的n×d的矩阵，其每一行是一个样本的特征向量，每一列表示样本特征向量的一维。返回值：*COEFF:主成份分量，即变换空间的那些基向量也是样本协方差矩阵的本征向量。*SCORE：主成份，x的低维表示，即x中的数据在主成份
2014-12-03 14:01:21
1206
原创 matlab图像配准2
根据之前得到的控制点对坐标input_points2和base_points2,利用cp2tform函数可以计算变换的参数。将基准点对作为输入传递给cp2tform，选择一种适当的变换类型，cp2tform函数就能确定该类型变换所需的参数，实际上相当于一种数据拟合。cp2tform函数寻找能够拟合控制点对的变换参数，返回一个TFORM的结构的几何变换结构，其中包括几何变换的类型和参数>>tfo
2014-12-01 14:05:23
2702
原创 matlab图像配准
所谓图像配准就是将同一场景的两幅或多幅图像进行对准，比如航空照片的配准，以及在很多人脸自动分析系统中的人脸归一化，即要使各张照片中的人脸具有近似的大小，尽量处于相同的位置。一般来说，我们以基准图像为参照，并通过一些基准点（fiducial points）找到恰当的空间变换关系s和t，对输入图像进行相应的几何变换，从而实现它与基准图像在这些基准点位置上的对齐。人脸图像配准的matlab实现：
2014-11-28 16:10:33
16406
2
原创 稀疏问题的一点理解1
PAMI上Robust face recognition via sparse representation YiMa是作者之一。该文的重点是利用了L1范数优化结果的稀疏性来实现人脸识别。对模式识别领域是很有启发的。但是，就稀疏表示这个概念来说，其意义应该更为宽泛。以图像处理为例，将原始图像转换到一个基空间上，这个新的描述如果是稀疏的就可以称为稀疏表示。OMP的本质是一种贪婪迭代方法，只要你设
2014-11-27 09:49:51
1123
转载 稀疏表示step by step
本文转载自：http://blog.sina.com.cn/s/blog_a54e5a5201014izi.html声明：本人属于绝对的新手，刚刚接触“稀疏表示”这个领域。之所以写下以下的若干个连载，是鼓励自己不要急功近利，而要步步为赢！所以下文肯定有所纰漏，敬请指出，我们共同进步！踏入“稀疏表达”（Sparse Representation）这个领域，纯属偶然中的必然。之前一
2014-11-24 16:17:41
492
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人