[pt] A segmentação de imagens com objetivo de determinar a forma de objetos é ainda um problema difícil. A separação de regiões que correspondem a objetos contidos na imagem geralmente leva em consideração propriedades de similaridade, proximidade e descontinuidade. A imagem a ser segmentada pode ser de diversas naturezas, como fotografias, imagens médicas e sísmicas. Podemos encontrar na literatura muitos métodos de segmentação propostos como possíveis soluções para diferentes problemas. Recentemente a técnica de superpixel tem sido utilizada como um passo inicial que reduz o tamanho da entrada do problema. Este trabalho propõe uma metodologia de segmentação de imagens fotográficas e de ultrassom que se baseia em variantes de superpixels. A metodologia proposta se adapta a natureza da imagem e a complexidade do problema utilizando diferentes medidas de similaridade e distância. O trabalho apresenta também resultados que buscam esclarecer o procedimento proposto e a escolha de seus parâmetros. / [en] Image segmentation for object modeling is a complex task that is still not well solved. The separation of the regions corresponding to each object in an image is based on proximity, similarity, and discontinuity of its boundaries. The image to be segmented can be of various natures, including photographs, medical and seismic images. We can find in literature many proposed segmentation methods used as solutions to different problems. Recently the superpixel technique has been used as an initial step that reduces the size of the problem input. This work proposes a methodology of segmentation of photographs and ultrasound images based on variants of superpixels. The proposed methodology adapts to the image s nature and to the problem s complexity using different measures of similarity and distance. This work also presents results that seek to clarify the proposed procedure and the choice of its parameters.

[pt] O aumento da participação de fontes de energias renováveis variáveis (ERVs) na matriz elétrica do Brasil traz diversos desafios ao planejamento e à operação do Sistema Elétrico Brasileiro (SEB), devido à estocasticidade das ERVs. Tais desafios envolvem a modelagem e simulação dos processos intermitentes de geração e, dessa forma, um volume considerável de pesquisas tem sido direcionado ao tema. Nesse contexto, um tópico de crescente importância na literatura relaciona-se ao desenvolvimento de metodologias para simulação estocástica conjunta de recursos intermitentes com características complementares, como, por exemplo, as fontes eólica e solar. Visando contribuir com essa temática, este trabalho propõe melhorias a um modelo de simulação já estabelecido na literatura, avaliando sua aplicabilidade a partir de dados do Nordeste brasileiro. A metodologia proposta baseia-se em discretização das séries temporais de energia aplicando a técnica de machine learning k-means, construção de matrizes de transição de estados com base nos clusters identificados e simulação de Monte Carlo para obtenção dos cenários. As séries sintéticas obtidas são comparadas aos resultados gerados pelo modelo já estabelecido na literatura a partir de técnicas estatísticas. Quanto ao alcance dos objetivos da pesquisa, a modelagem proposta se mostrou mais eficiente, gerando cenários que reproduziram satisfatoriamente todas as características dos dados históricos avaliadas. / [en] The increased participation of variable renewable energy sources (VRES) in Brazil s electricity matrix brings several challenges to the planning and operation of the Brazilian Power System (BPS), due to the VRES stochasticity. Such challenges involve the modeling and simulation of intermittent generation processes and, in this context, a considerable amount of research has been directed to the theme. In this context, a topic of increasing importance in the literature is related to the development of methodologies for joint stochastic simulation of intermittent resources with complementary characteristics, such as wind and solar sources. Aiming to contribute to this theme, this work proposes improvements in a simulation model already established in the literature, evaluating its applicability based on Brazilian Northeast data. The proposed methodology is based on the discretization of energy time series applying the kmeans machine learning technique, construction of state transition matrices based on the identified clusters, and Monte Carlo simulation to obtain the scenarios. The synthetic series obtained are compared to the results generated by the model already established in the literature from statistical techniques. Regarding the scope of the research objectives, the proposed modeling demonstrated more promising results, generating scenarios that satisfactorily reproduced all the evaluated characteristics of the historical data.

[pt] Exames de ultrassom são uma ferramenta popular de aquisição de imagens na medicina atual por ser um procedimento não-invasivo, seguro e barato. Entretanto, inerente a qualquer exame de ultrassom encontra-se o ruído speckle, responsável pela degradação da imagem e dificultando tanto sua interpretação por parte de médicos e pacientes, quanto prejudicando a acurácia de métodos computacionais de pós processamento, como classificação, reconstrução, caracterização de tecidos e segmentação, entre outros. Portanto, métodos de remoção ou suavização deste ruído que preservem as principais características do conteúdo observado se fazem fundamentais para um avanço nestes processos. Definido como um ruído multiplicativo, que segue estatísticas não-Gaussianas e como fortemente correlacionado, sua solução ainda hoje é tema de debates e estudos. Neste trabalho apresentaremos diversos métodos de filtragem 2D que se propõem a reduzir ou solucionar o ruído speckle bem como métodos qualitativos para avaliar seus desempenhos e técnicas para escolher os melhores parâmetros de cada filtro a fim de eleger quais métodos melhor solucionam este ruído. / [en] Ultrasound exams are a popular tool for image acquisition in day-to-day medicine, since it is a noninvasive, safe and cheap procedure. However, speckle noise is intrinsic to any ultrasound exam, and it is responsible for image quality degradation and for hindering its interpretation by doctors and patients alike, while also impairing the accuracy of post processing computational methods, such as classification, reconstruction, tissue characterization and segmentation, among others. Hence, smoothing or denoising methods that preserves the observed content core attributes are essential for those processes. Defined as a multiplicative noise, following non-Gaussian statistics and as strongly correlated, its solution today is still a matter of debates and research. In this work, several 2D filters that aim to smooth or remove speckle noise along with qualitative methods to evaluate their performances and means of choosing their best parameters are presented.