A identificação pessoal através da análise da textura da íris é um método de identificação biométrico de grande eficiência. Algoritmos e técnicas foram desenvolvidos levando-se em consideração as características de textura da imagem da íris do olho humano. No entanto, essas características por serem estáticas são também susceptíveis a fraudes, ou seja, uma foto pode substituir a íris em análise. Por isso, este trabalho propõe um método para extrair as características de textura da íris durante a contração e dilatação da pupila, além das próprias características dinâmicas de contração e dilatação. Para isso foi desenvolvido um novo sistema de aquisição da imagem utilizando iluminação NIR (Near Infra-Red) e levando-se em conta o reflexo consensual dos olhos. As características são medidas de acordo com um padrão dinâmico de iluminação controlado pelo programa. Com isso, é possível aumentar a segurança de dispositivos de reconhecimento biométrico de pessoas através da íris, pois, somente íris vivas podem ser utilizadas. Os resultados mostram um índice de precisão significativo na capacidade de discriminação destas características. / The personal identification by iris texture analysis is a highly effective biometric identification method. Some algorithms and techniques were developed, taking into consideration the texture features of the iris image in the human eye. Nonetheless, such features, due to the fact that they are static, are also susceptible to fraud. That is, a picture can replace the iris in an analysis. For that reason, this work proposes a method for extracting texture features of the iris during the pupil contraction and dilation, in addition to the dynamic contraction and dilation features themselves. Therefore, it was developed a new image acquisition system through NIR (Near Infra-Red) illumination, considering the consensual reflex of the eyes. Features are measured according to a dynamic illumination standard controlled by the software and are afterwards selected by means of data mining. Then it is possible to increase the safety in the biometric recognition devices of people through their iris, since only living irises can be utilized. Results show a significant precision index in determining such features.

This work deals with several computational methodologies for the aeroelastic study of flexible aircraft wings on a preliminary design phase. An in-house vortex lattice method code named VLM4FW has been implemented with correction of sidewash and backwash effects to take into account the aeroelastic deformation of the wing in bending and torsion. In addition, corrections on the spanwise distribution of induced drag based on the cross-flow energy in the wake have been included. This code has been also programmed to be coupled in a co-simulation scheme with Abaqus for aeroelastic geometrical non-linear simulations and compute steady flight loads. Then, based on the deformed wing configuration new natural frequencies and mode shapes are extracted in MSC.Nastran with the solution sequence SOL 103. Flutter studies are next performed using the ZONA6 g-Method in ZAERO to analyze the dynamic aeroelastic instability and evaluate the results compared to the undeformed initial wing shape. Several case studies have been adopted to validate the VLM4FW program with rigid and flexible wings, such as the AE-249 and GNBA aircraft. Depending on the wing aspect ratio and flexibility, the results obtained give a clear idea of how important is the deformed configuration for the study of dynamic aeroelastic instabilities. The fact of considering the initial wing shape to perform a flutter analysis can lead to large errors in the estimated critical speeds, and even worse, overestimate the real values. Flutter analyses based on geometrical nonlinear deformed wings are assumed to be conservative for the preliminary design condition and are expected to provide better results as technological advances introduce higher aspect ratios on very flexible wings.

A identificação pessoal através da análise da textura da íris é um método de identificação biométrico de grande eficiência. Algoritmos e técnicas foram desenvolvidos levando-se em consideração as características de textura da imagem da íris do olho humano. No entanto, essas características por serem estáticas são também susceptíveis a fraudes, ou seja, uma foto pode substituir a íris em análise. Por isso, este trabalho propõe um método para extrair as características de textura da íris durante a contração e dilatação da pupila, além das próprias características dinâmicas de contração e dilatação. Para isso foi desenvolvido um novo sistema de aquisição da imagem utilizando iluminação NIR (Near Infra-Red) e levando-se em conta o reflexo consensual dos olhos. As características são medidas de acordo com um padrão dinâmico de iluminação controlado pelo programa. Com isso, é possível aumentar a segurança de dispositivos de reconhecimento biométrico de pessoas através da íris, pois, somente íris vivas podem ser utilizadas. Os resultados mostram um índice de precisão significativo na capacidade de discriminação destas características. / The personal identification by iris texture analysis is a highly effective biometric identification method. Some algorithms and techniques were developed, taking into consideration the texture features of the iris image in the human eye. Nonetheless, such features, due to the fact that they are static, are also susceptible to fraud. That is, a picture can replace the iris in an analysis. For that reason, this work proposes a method for extracting texture features of the iris during the pupil contraction and dilation, in addition to the dynamic contraction and dilation features themselves. Therefore, it was developed a new image acquisition system through NIR (Near Infra-Red) illumination, considering the consensual reflex of the eyes. Features are measured according to a dynamic illumination standard controlled by the software and are afterwards selected by means of data mining. Then it is possible to increase the safety in the biometric recognition devices of people through their iris, since only living irises can be utilized. Results show a significant precision index in determining such features.

Nas últimas décadas, as texturas dinâmicas ou texturas temporais, que são texturas com movimento, tornaram-se objetos de intenso interesse por parte de pesquisadores das áreas de processamento digital de imagens e visão computacional. Várias técnicas vêm sendo desenvolvidas, ou aperfeiçoadas, para a extração de características baseada em texturas dinâmicas. Essas técnicas, em vários casos, são a combinação de duas ou mais metodologias pré-existentes que visam apenas a extração de características e não a melhora da qualidade das características extraídas. Além disso, para os casos em que as características são \"pobres\" em qualidade, o resultado final do processamento poderá apresentar queda de desempenho. Assim, este trabalho propõe descritores que extraiam características dinâmicas de sequências de vídeos e realize a fusão de informações buscando aumentar o desempenho geral na segmentação e/ou reconhecimento de texturas ou cenas em movimento. Os resultados obtidos utilizando-se duas bases de vídeos demonstram que os descritores propostos chamados de D-LMP e D-SLMP foram superiores ao descritor da literatura comparado e denominado de LBP-TOP. Além de apresentarem taxas globais de acurácia, precisão e sensibilidade superiores, os descritores propostos extraem características em um tempo inferior ao descritor LBP-TOP, o que os tornam mais práticos para a maioria das aplicações. A fusão de dados oriundos de regiões com diferentes características dinâmicas aumentou o desempenho dos descritores, demonstrando assim, que a técnica pode ser aplicada não somente para a classificação de texturas dinâmicas em sí, mas também para a classificação de cenas gerais em vídeos. / In the last decades, the dynamic textures or temporal textures, which are textures with movement, have become objects of intense interest on the part of researchers of the areas of digital image processing and computer vision. Several techniques have been developed, or perfected, for feature extraction based on dynamic textures. These techniques, in several cases, are the combination of two or more pre-existing methodologies that aim only the feature extraction and not the improvement of the quality of the extracted features. Moreover, in cases that the features are \"poor\" in quality, the final result of processing may present low performance. Thus, this work proposes descriptors that extract dynamic features of video sequences and perform the fusion of information seeking to increase the overall performance in the segmentation and/or recognition of textures or moving scenes. The results obtained using two video bases show that the proposed descriptors called D-LMP and D-SLMP were superior to the descriptor of the literature compared and denominated of LBP-TOP. In addition to presenting higher overall accuracy, precision and sensitivity rates, the proposed descriptors extract features at a shorter time than the LBP-TOP descriptor, which makes them more practical for most applications. The fusion of data from regions with different dynamic characteristics increased the performance of the descriptors, thus demonstrating that the technique can be applied not only to the classification of dynamic textures, but also to the classification of general scenes in videos.

Nas últimas décadas, as texturas dinâmicas ou texturas temporais, que são texturas com movimento, tornaram-se objetos de intenso interesse por parte de pesquisadores das áreas de processamento digital de imagens e visão computacional. Várias técnicas vêm sendo desenvolvidas, ou aperfeiçoadas, para a extração de características baseada em texturas dinâmicas. Essas técnicas, em vários casos, são a combinação de duas ou mais metodologias pré-existentes que visam apenas a extração de características e não a melhora da qualidade das características extraídas. Além disso, para os casos em que as características são \"pobres\" em qualidade, o resultado final do processamento poderá apresentar queda de desempenho. Assim, este trabalho propõe descritores que extraiam características dinâmicas de sequências de vídeos e realize a fusão de informações buscando aumentar o desempenho geral na segmentação e/ou reconhecimento de texturas ou cenas em movimento. Os resultados obtidos utilizando-se duas bases de vídeos demonstram que os descritores propostos chamados de D-LMP e D-SLMP foram superiores ao descritor da literatura comparado e denominado de LBP-TOP. Além de apresentarem taxas globais de acurácia, precisão e sensibilidade superiores, os descritores propostos extraem características em um tempo inferior ao descritor LBP-TOP, o que os tornam mais práticos para a maioria das aplicações. A fusão de dados oriundos de regiões com diferentes características dinâmicas aumentou o desempenho dos descritores, demonstrando assim, que a técnica pode ser aplicada não somente para a classificação de texturas dinâmicas em sí, mas também para a classificação de cenas gerais em vídeos. / In the last decades, the dynamic textures or temporal textures, which are textures with movement, have become objects of intense interest on the part of researchers of the areas of digital image processing and computer vision. Several techniques have been developed, or perfected, for feature extraction based on dynamic textures. These techniques, in several cases, are the combination of two or more pre-existing methodologies that aim only the feature extraction and not the improvement of the quality of the extracted features. Moreover, in cases that the features are \"poor\" in quality, the final result of processing may present low performance. Thus, this work proposes descriptors that extract dynamic features of video sequences and perform the fusion of information seeking to increase the overall performance in the segmentation and/or recognition of textures or moving scenes. The results obtained using two video bases show that the proposed descriptors called D-LMP and D-SLMP were superior to the descriptor of the literature compared and denominated of LBP-TOP. In addition to presenting higher overall accuracy, precision and sensitivity rates, the proposed descriptors extract features at a shorter time than the LBP-TOP descriptor, which makes them more practical for most applications. The fusion of data from regions with different dynamic characteristics increased the performance of the descriptors, thus demonstrating that the technique can be applied not only to the classification of dynamic textures, but also to the classification of general scenes in videos.