A sincronização de imagens é um problema inerente às modalidades de imagens médicas que envolvam órgãos com movimentos quase-periódicos, como o coração. Assim, durante a aquisição de imagens de ultra-som intravascular (USIV) com pullback automático, tem-se a interferência do movimento cardíaco. Isto é visível observando-se um corte longitudinal da seqüência, pois há presença de um artefato característico tipo "dente-de-serra". Acredita-se que este é devido ao movimento do referencial de aquisição das imagens (cateter) com relação ao objeto de estudo (as coronárias). O objetivo deste trabalho é obter imagens que estejam em fase com o ciclo cardíaco, de forma que torne possível uma reconstrução tridimensional da coronária sem esta interferência de movimento baseando-se somente nas características da própria seqüência de imagens. Isto é importante, pois a maioria dos exames deste tipo não possui nenhum sinal adicional como o eletrocardiograma - ECG. A partir das imagens, extraíram-se sinais com diferentes abordagens que contêm informação sobre a quase-periodicidade da seqüência de quadros. Estes foram calculados a partir da média de intensidade da imagem (AI), diferença de intensidade média (AID), correlação cruzada (CoefCross) e informação mútua (MI) entre duas imagens consecutivas. Analisaram-se os sinais primeiramente em imagens simuladas, as quais foram testadas em diferentes condições de ruído speckle, contraste e características de paciente. Posteriormente, a metodologia foi testada em um exame real, e comparadas com a referência (ECG). De forma geral, para as imagens simuladas obtiveram-se bons resultados para todos os tipos de sinal (AI, AID, CoefCross e MI), com desempenhos robustos, acima de 95,0% de verdadeiros positivos e 2,3% de falsos positivos. E, para imagens reais, houve bons resultados para os sinais CoefCross e MI, com 97,4% de verdadeiros positivos e 2,5% de falsos positivos. A metodologia também se mostrou independente de parâmetros livres como limiares. Em trabalhos futuros, a metodologia pode ser testada em mais casos reais.

Video Object Tracking plays a crucial role on several Computer Vision applications, such as Video Surveillance, Intelligent Transportation System (ITS), Human Machine Interface (HMI), Video Indexing and Shopping Behavior Analysis. Nevertheless, the processing power demanded by object tracking techniques still consists in a bottleneck to their wider adoption. To reduce this computational power demand, some techniques that extract object motion information from compressed video domain, instead of the raw video, have been developed. This work addresses the problem of efficiently tracking objects from compressed video. The focus is on algorithms that track objects using motion estimation informationfrom MPEG-2 and MPEG-4 family of video compressors. Two complementary solutions are presented. At first, a novel Spatiotemporal Motion-Vector Consistency Filter is proposed and evaluated. The filter is applied on the initial stage of tracking algorithm and significantly reduces the noisy motion vectors which do not represent a real object movement. Then, a Kalman Filter is used to provide improved estimations of objects position and size. A novel model for Kalman Filter application on the context of motion-vector based object tracking is proposed and evaluated, with determination of measures and noise patterns. Qualitative and quantitative experiments, with standard metrics, are performed displaying that the proposed Spatiotemporal Filter outperforms the currently widely used Vector Median Filter. The results obtained with the Spatiotemporal Filter make it suitable as a first step of any system that aims to detect and track objects from compressed video using its motion vectors. Both filters are jointly used in a complete object tracker system denominated moveTRAKS - motion-vector based object Tracker with Kalman filter and Spatiotemporal filter. The moveTRAKS is also qualitative and quantitative tested, demonstrating its efficiency and limitations for compressed video object tracking.