Técnicas baseadas em Gabor

Neste item serão comentadas abordagens baseadas em extratores de características que utilizam transformada de Gabor em regiões da imagem, e não na imagem toda, o que diferencia essa abordagem das abordagens holísticas. Esses métodos são um pouco mais recentes e muito promissores. A mais conhecida é uma abordagem local que utiliza jets. Um jet é um vetor em que cada posição é determinada através de uma transformada de Gabor bidimensional com a janela Gaussiana (modulada por uma exponencial complexa) em um determinado local da imagem, como, por exemplo, o centro do nariz, as pupilas, os cantos da boca etc. Cada campo de um vetor jet é determinado pelo cálculo da transformada com uma janela de escala (variância da Gaussiana), orientação e/ou freqüência diferente. Cada jet é calculado em uma posição diferente de uma imagem (modelo) de treinamento. Na abordagem de Elastic Graph Matching [27,28,29], os jets são tratados como nós e as ligações entre os nós são arestas, formando um grafo. Para efetuar a classificação, antes é necessário realizar um processo de combinação com imagens, que se refere ao posicionamento dos jets em determinados pontos da imagem. Para isso, um procedimento tenta localizar a posição para cada nó do grafo que, ao mesmo tempo, maximiza a similaridade das características e minimiza o custo da topografia. Esse processo é feito para as imagens de treinamento e de testes, de forma que os pontos importantes da face são localizados e os jets são calculadas nessas posições. As imagens de teste são classificadas de acordo com a similaridade com as imagens de treinamento, com base na combinação dos grafos e os jets obtidos. Essa abordagem pode apresentar problemas com variações na iluminação e com a imagem do fundo. Uma outra abordagem que também utiliza a transformada de Gabor é a de Gabor Wavelet Networks [30], que consiste de uma técnica que representa um modelo discreto da face como a combinação linear de funções da wavelet Gabor 2D.