[pt] Tradicionalmente, para visualização de campos vetoriais em modelos discretos de reservatórios naturais de petróleo, traça-se linhas de fluxo resolvendo a sua equação diferencial ordinária célula-a-célula, seja através de soluções analíticas ou numéricas, considerando o campo de velocidade local de cada célula. Essa estratégia tem como desvantagem traçar a linha considerando um campo de velocidade discreto e portanto descontínuo. Além disso, para modelos massivos, resolver a equação célula-a-célula pode tornar o método ineficiente. Neste trabalho, exploramos uma estratégia diferente: ao traçar as linhas de fluxo considera-se um campo de velocidade contínuo, representado pelo modelo discreto do reservatório. Para tanto, propõe-se: (i) o uso de uma estrutura espacial para acelerar a localização de um ponto no modelo de reservatório; (ii) o uso de interpolação esférica para avaliação do campo de velocidade a partir do modelo discreto; (iii) o uso de um método numérico adaptativo para controlar o erro numérico da integração. Os resultados obtidos em modelos de reservatórios reais demonstram que o método proposto atende aos requisitos de precisão, mantendo um bom desempenho. / [en] Traditionally, streamlines in discrete models of natural oil reservoirs are traced by solving an ordinary differential equation in a cell-by-cell way, using analytical or numerical solutions, considering the local velocity of each cell. This strategy has a disadvantage: the streamline is traced considering a discrete, and so discontinuous, vector field. Furthermore, for massive models, to solve the equation in a cell-by-cell way may be inefficient. In this work, we explore a different strategy: the streamline tracing considers a continuous vector field represented by the discrete model. Therefore, we propose: (i) to use a spatial structure to speed up the point location process inside the reservoir model; (ii) to use spherical interpolation to obtain the velocity field from the discrete model; (iii) to use an adaptive numerical method to control the numerical error from the integration process. The results obtained for actual reservoir models demonstrate that the proposed method fulfills the precision requirements, keeping a good performance.

[pt] Nos últimos anos, vários mecanismos permitem medir campos vetoriais reais, provendo uma compreensão melhor de fenômenos importantes, tais como dinâmica de fluidos ou movimentos de fluido cerebral. Isso abre um leque de novos desafios a visualização e análise de campos vetoriais em muitas aplicações de engenharia e de medicina por exemplo. Em particular, dados reais são geralmente corrompidos por ruído, dificultando a compreensão na hora da visualização. Esta informação necessita de uma etapa de remoção de ruído como pré-processamento, no entanto remoção de ruído normalmente remove as descontinuidades e singularidades, que são fundamentais para a análise do campo vetorial. Nesta dissertação é proposto um método inovador para remoção de ruído em campo vetorial baseado em caminhadas aleatórias que preservam certas descontinuidades. O método funciona em um ambiente desestruturado, sendo rápido, simples de implementar e mostra um desempenho melhor do que a tradicional técnica Gaussiana de remoção de ruído. Esta tese propõe também uma metodologia semi-automática para remover ruído, onde o usuário controla a escala visual da filtragem, levando em consideração as mudanças topológicas que ocorrem por causa da filtragem. / [en] In recent years, several devices allow to measure real vector fields, leading to a better understanding of fundamental phenomena such as fluid dynamics or brain water movements. This gives vector field visualization and analysis new challenges in many applications in engineering and in medicine. In particular real data is generally corrupted by noise, puzzling the understanding provided by visualization tools. This data needs a denoising step as preprocessing, however usual denoising removes discontinuities and singularities, which are fundamental for vector field analysis. In this dissertation a novel method for vector field denoising based on random walks is proposed which preserves certain discontinuities. It works in a unstructured setting; being fast, simple to implement, and shows a better performance than the traditional Gaussian denoising technique. This dissertation also proposes a semi-automatic vector field denoising methodology, where the user visually controls the filtering scale by validating topological changes caused by classical vector field filtering.

[pt] A visualização de campos vetoriais é uma componente essencial de numerosas aplicações, em particular na Visualização Científica. Porém, produzir representações de um fluxo nem sempre é uma tarefa simples, principalmente em se tratando de dados medidos, pois estes se apresentam corrompidos por ruídos. Esse trabalho apresenta uma técnica de visualização baseada em imagens auto-animadas, que expressa o movimento do fluxo à base de ilusões ópticas. A utilização de informações topológicas é proposta tanto como forma de melhorar o desempenho das técnicas existentes como na remoção de ruído, onde o conhecimento do usuário sobre o dado se torna peça fundamental no processo. / [en] Vector field visualization is an essential component of various applications, particularly in Scientific Visualization. However generating useful ow representation is not a simple task, especially when dealing with measured data which is corrupted by noise. This work presents a self-animating image visualization technique which conveys the ow movement based on optical illusions. The field s topological information is used to improve the performance of existing techniques and remove noise, where the user s knowledge of data is fundamental.