nÃo hà / A anÃlise de imagens à um importante campo da visÃo computacional cujo propÃsito à extrair informaÃÃes significativas de imagens. Entre os vÃrios atributos relevantes que podem ser analisados, a textura à um dos mais importantes por ser uma fonte rica de informaÃÃes. O objetivo desta tese à desenvolver novos mÃtodos de anÃlise de textura (nÃveis de cinza e coloridas) baseados em modelos gravitacionais simplicados e caminhos mais curtos em grafos, que propiciem vetores de caracterÃsticas mais discriminativos do que os mÃtodos jà estabelecidos pela literatura. A primeira abordagem converte uma imagem em um sistema gravitacional simplificado cujo processo de colapso à explorado por meio de descritores de dimensÃo fractal e lacunaridade. A segunda abordagem converte os pixels de uma imagem em vÃrtices de um grafo ponderado nÃo-orientado e explora os caminhos mais curtos entre pares de vÃrtices em diferentes escalas e orientaÃÃes. Adicionalmente, nesta tese à proposto o estudo dessas abordagens na anÃlise de imagens de folhas de plantas para facilitar o moroso processo de taxonomia vegetal (problema este especialmente relevante para os botÃnicos) e de imagens mÃdicas para identificaÃÃo/classificaÃÃo de patologias, auxiliando o diagnÃstico mÃdico. Os experimentos sÃo realizados nas bases de imagens: Brodatz, UIUC, VisTex, USPTex, Outex, texturas foliares, parÃnquima paliÃÃdico, pap-smear e de tecido mamÃrio. Os resultados mais significativos de classificaÃÃo sÃo obtidos das bases UIUC, USPTex e parÃnquima paliÃÃdico, com taxas de acertos de 55,00%, 96,57% e 91,56% (menores taxas) obtidas pelos mÃtodos propostos, respectivamente. Essas taxas de acertos sÃo quase sempre superiores aos resultados obtidos pelos mÃtodos usados para comparaÃÃo, demonstrando que os mÃtodos propostos abrem promissoras fontes de pesquisa para os estudos de anÃlise de texturas em nÃveis de cinza e coloridas. / Image analysis is an important field of computer vision whose role is to extract significant information from images. Among several relevant attributes, texture is one of the most important because it is a rich source of information. This thesis aims to develop novel texture analysis methods (for grayscale and color images) based on simplified gravitational systems and shortest paths in graphs which provide feature vectors more discriminative than the methods already established in literature. The first approach converts an image into a simplified gravitational system whose collapse process is explored by using fractal dimension and lacunarity descriptors. The second approach converts the pixels of an image into vertices of a non-oriented weighted graph and explores the shortest paths between pairs of vertices in different scales and orientations. Additionally, this thesis proposes to apply these approaches to plant leaf identification (a relevant problem for botanists), and medical image identification/classication, increasing the confidence of medical diagnosis. The experiments are performed on the following image databases: Brodatz,UIUC, VisTex, USPTex, Outex, leaf textures, palisade parenchyma, pap-smear and breast tissues. The most significant comparison results are obtained from UIUC, USPTex and palisade parenchyma, with success rates of 55,00%, 96,57% and 91,56% (lower success rates) obtained by the proposed methods, respectively. These success rates are almost always superior to the results obtained by the methods used for comparison. This demonstrates that the proposed methods open promising sources of research in grayscale and color texture analysis.

FundaÃÃo Cearense de Apoio ao Desenvolvimento Cientifico e TecnolÃgico / A DoenÃa Pulmonar Obstrutiva CrÃnica (DPOC) e um problema de saÃde mundial com altos Ãndices de mortalidade, sendo o tabagismo o principal causador desta. Apesar da DPOC ser uma doenÃa de Ãmbito mundial Ã, geralmente, subestimada e subdiagnosticada, levando desta forma ao subtratamento. Para evitar um aumento de casos patolÃgicos com diagnÃsticos incorretos, a tomografia computadorizada deve ser utilizada jà que esta constitui uma excelente ferramenta para diagnÃstico precoce da componente de enfisema pulmonar na DPOC. PorÃm, as anÃlises nas imagens feitas pelos radiologistas ou mÃdicos à subjetiva levando-os a realizarem mediÃÃes imprecisas, devido à limitaÃÃo da visÃo humana. O objetivo deste trabalho à desenvolver um sistema de VisÃo Computacional para anÃlise de imagens tomogrÃficas (SDEP) capaz de segmentar automaticamente as imagens de Tomografia Computadorizada de Alta ResoluÃÃo (TCAR) dos pulmÃes, detectar e quantificar a presenÃa de enfisema pulmonar de modo preciso e automÃtico, possibilitando sua visualizaÃÃo. TambÃm, neste trabalho sÃo analisados os resultados, buscando avaliar a eficiÃncia do sistema SDEP comparando-o com o sistema Osiris 4, e com dois algoritmos de segmentaÃÃo. Os resultados da segmentaÃÃo sÃo analisados atravÃs da visualizaÃÃo de 102 imagens de 8 voluntÃrios saudÃveis e 141 imagens de 11 pacientes com DPOC. O sistema SDEP apresenta-se mais eficiente do que os outros mÃtodos considerados neste trabalho, tomando-se como base segmentaÃÃo correta, sobre-segmentaÃÃo, segmentaÃÃo com perdas e segmentaÃÃo errada. Este sistema realiza a segmentaÃÃo das faixas das densidades pulmonares atravÃs da mÃscara colorida, aplicando vÃrias cores em uma Ãnica imagem e quantifica cada cor por Ãrea e porcentagem, enquanto que o sistema Osiris usa apenas uma cor por vez em cada imagem. O sistema SDEP possui tambÃm uma ferramenta que faz a sobreposiÃÃo dos histogramas, o qual permite uma anÃlise visual mais adequada da evoluÃÃo da componente do enfisema. Este sistema possibilita auxÃlio ao diagnÃstico, bem como mostra-se ser uma ferramenta de pesquisa para anÃlise do enfisema pulmonar. / The Chronic Obstructive Pulmonary Disease (COPD) is a worldwide public health problem with high rates of mortality, being the tabacco the main causer of this disease. COPD is underestimated and underdiagnosed globally, and consequently the patient receives an undertreatment. To avoid an increase of pathological cases with incorrect diagnoses, the computerized tomography should be used as an excellent tool for premature diagnosis of pulmonary emphysema component from COPD. However, the analysis on images accomplished by radiologists or doctors is subjective,leading them to accomplish inaccurate measurements, due to human vision limitation. The objective of this work is to develop a Computational Vision System for Detection and Quantification of the Pulmonary Emphysema (SDEP) capable of segment automatically the images of High-Resolution Computerized Tomography (HRCT) of the lungs, allowing its better view. Also, in this study are analysed the obtained results to evaluate the eÂciency of SDEP system comparing it with the Osiris 4 system, and with two segmentation algorithms. Results of the segmentation are analysed through the viewing of 102 images of 8 healthy volunteers and 141 images of 11 COPD patients. The SDEP system presents more eÂcient than other methods considered in this work, evaluating the correct segmentation, the over segmentation, segmentation with losses, and wrong segmentation. The proposed system accomplishes the segmentation of zone from lung densities using colorful mask, applying several colors in a single image quantifying each color per area and percentage, while the Osiris system uses only one color on each image. The SDEP system has, beside of advantage presented, a tool that accomplish the overlap of histograms, which permit a more appropriate visual analysis of evolution of component on the emphysema. The proposed system offers to aided diagnosis, researchers, engineers, medical doctors and specialist and others of Medical Digital Image Processing field, one valid option for pulmonary emphysema analysis from HRCT images.