There are two significant impedances to the realization of the potential of ontologies. First, many ontology designers lack the necessary background in formal logics to express their intuitions clearly and precisely, resulting in the proliferation of ontologies with low expressivity. Concurrently, developing semantic mappings between existing ontologies is difficult, because much of the semantics is external to the representation. This thesis uses the idea of metaphor to develop architectures for ontology repositories to serve as bottom-up reusable resources. Moreover, an ontology design algorithm has been developed that allows designers to communicate their ideas at the semantic level, simply by generating and vetting models. Finally, a semantic mapping algorithm has been developed that uses an ontology repository to determine the similarities and differences between any number of target ontologies. An ontology for partial orders has been elaborated to demonstrate the proof of concept and populate the first iteration of the repository.

There are two significant impedances to the realization of the potential of ontologies. First, many ontology designers lack the necessary background in formal logics to express their intuitions clearly and precisely, resulting in the proliferation of ontologies with low expressivity. Concurrently, developing semantic mappings between existing ontologies is difficult, because much of the semantics is external to the representation. This thesis uses the idea of metaphor to develop architectures for ontology repositories to serve as bottom-up reusable resources. Moreover, an ontology design algorithm has been developed that allows designers to communicate their ideas at the semantic level, simply by generating and vetting models. Finally, a semantic mapping algorithm has been developed that uses an ontology repository to determine the similarities and differences between any number of target ontologies. An ontology for partial orders has been elaborated to demonstrate the proof of concept and populate the first iteration of the repository.

Thesis (MCIS) -- AUT University, 2008. / Includes bibliographical references. Also held in print ( 131 leaves : ill. ; 30 cm.) in the Archive at the City Campus (T 616.99404200285 WAN)

Ontologias de representação de conhecimento são modelos que agrupam e definem construtos de modelagem (tais como conceito, classe, frame). Uma ontologia temporal é uma especificação de uma conceitualização do domínio acrescida dos aspectos de tempo sobre os objetos do domínio. No caso de esta ontologia tratar somente de aspectos temporais ligados a eventos, ela é chamada ontologia de eventos. Este trabalho propõe uma extensão de uma ontologia de representação de conhecimento (RC) com construtos temporais, ou seja, estender um modelo de conceitualização de domínios com os construtos necessários para se representar eventos. A definição original de uma ontologia de RC foi estendida neste trabalho com os seguintes construtos: (i) o construto evento (que define um evento como um acontecimento que pode alterar objetos do domínio) e (ii) o construto relação-temporal (que define uma relação de tempo entre os eventos). O objetivo deste trabalho é, baseando-se nos novos construtos propostos na ontologia de RC, criar um modelo de conhecimento específico para um domínio, o qual suporta a representação das seguintes primitivas: características do domínio, eventos geradores das características do domínio, associações entre características do domínio, relações temporais entre eventos. Além disso, o modelo tem o objetivo de suportar métodos de raciocínio para inferir a seqüência em que as características do domínio foram geradas pelos eventos, ou seja, inferir a ordem dos eventos. O domínio de aplicação deste trabalho é a petrografia sedimentar. Esse domínio apresenta diversas tarefas de interpretação que exigem conhecimento especializado para sua solução. Dentre estas tarefas, o foco de estudo deste trabalho é a interpretação de seqüência diagenética, a qual procura identificar a ordem em que os processos diagenéticos atuaram sobre os constituintes das rochas sedimentares. Para compreender e coletar o conhecimento necessário para a modelagem dessa tarefa, as principais técnicas de aquisição de conhecimento para sistemas baseados em conhecimento foram aplicadas em sessões com um especialista em petrografia sedimentar, gerando os principais objetos do domínio que precisavam ser modelados para se atingir o objetivo da ordenação de eventos. Esses objetos foram representados como um modelo de conhecimento específico para o domínio da petrografia, aplicando os construtos de eventos e relação temporal. Esse modelo foi validado através da implementação de um módulo de inferência no sistema PetroGrapher. A validação foi efetuada comparando as respostas do algoritmo com as interpretações do especialista, e foi possível notar que apesar de a apresentação gráfica da seqüência de eventos ainda ser diferente da original do especialista, o algoritmo efetua a ordenação de eventos corretamente. / O domínio de aplicação deste trabalho é a petrografia sedimentar. Esse domínio apresenta diversas tarefas de interpretação que exigem conhecimento especializado para sua solução. Dentre estas tarefas, o foco de estudo deste trabalho é a interpretação de seqüência diagenética, a qual procura identificar a ordem em que os processos diagenéticos atuaram sobre os constituintes das rochas sedimentares. Para compreender e coletar o conhecimento necessário para a modelagem dessa tarefa, as principais técnicas de aquisição de conhecimento para sistemas baseados em conhecimento foram aplicadas em sessões com um especialista em petrografia sedimentar, gerando os principais objetos do domínio que precisavam ser modelados para se atingir o objetivo da ordenação de eventos. Esses objetos foram representados como um modelo de conhecimento específico para o domínio da petrografia, aplicando os construtos de eventos e relação temporal. Esse modelo foi validado através da implementação de um módulo de inferência no sistema PetroGrapher. A validação foi efetuada comparando as respostas do algoritmo com as interpretações do especialista, e foi possível notar que apesar de a apresentação gráfica da seqüência de eventos ainda ser diferente da original do especialista, o algoritmo efetua a ordenação de eventos corretamente. The application domain of this work is the sedimentary petrography. This domain presents several interpretation tasks that demand specialized knowledge for their solution. Among these tasks, the focus of this work is the diagenetic sequence interpretation, which aims to identify the order in that diagenetic processes occurred over the constituents of sedimentary rocks. In order to understand and collect the necessary knowledge for modeling this task, the main techniques of knowledge acquisition for knowledge-based systems were applied to an expert in sedimentary petrography. These sessions of knowledge acquisition revealed the domain objects that needed to be modeled to reach the objective of the ordering of events. Those objects were represented in a knowledge model for the petrography domain, which applied the proposed constructs (events and time relation). That model was validated by the implementation of an inference module in the PetroGrapher system. The validation proceeded by comparing the outputs of the algorithm with the expert's interpretations, and it was possible to notice that despite the graphic presentation of the sequence of events being different from what the expert produces as a sequence of events, the algorithm is able to order the events correctly.

Domínios imagísticos são os domínios nos quais a resolução de problemas inicia com um processo de reconhecimento dos objetos de domínio a partir da informação visual capturada, suportando interpretações mais abstratas em eventuais etapas subsequentes. A resolução de problemas, em domínio imagísticos, demanda dos especialistas a aplicação intensiva de conhecimento visual, que corresponde ao conjunto de modelos mentais que suportam o processo de raciocínio sobre a informação associada ao arranjo espacial e outros aspectos visuais das entidades do domínio. O conhecimento visual geralmente corresponde à porção tácita do conhecimento dos praticantes do domínio, de modo que ele geralmente é utilizado de modo inconsciente, resistindo à verbalização explícita. Estas características do conhecimento visual são desafiadoras do ponto de vista de Engenharia do Conhecimento. O objetivo geral deste trabalho é delinear uma abordagem integrada para aquisição, modelagem, representação e raciocínio sobre conhecimento visual, do ponto de vista da Engenharia do Conhecimento. A interpretação visual é uma tarefa comum em domínios imagísticos, cuja resolução demanda dos especialistas um raciocínio que envolve a realização de um processo cognitivo que inicia com a percepção visual direta de características dos objetos já conhecidos no domínio, e que resulta em compreensões mais abstratas da cena observada, tais como: comportamentos dinâmicos dos objetos da cena, significado do contexto da cena, causas ou efeitos do estado de coisas capturado pela cena, etc. Desta forma, para realizar o objetivo geral, este trabalho assume como objetivo específico estudar e modelar o processo de raciocínio utilizado pelos especialistas para resolver tarefas de interpretação visual, bem como as próprias estruturas para representação de conhecimento inferencial utilizadas pelos especialistas em domínios imagísticos durante a realização deste tipo de tarefa. Os principais resultados deste trabalho são um modelo de raciocínio para resolução de tarefas de interpretação visual; um modelo de estrutura para representação de conhecimento inferencial, cognitiva e filosoficamente fundamentada, chamada pacote visual; e uma abordagem para aquisição de conhecimento visual e refinamento de ontologias. O estudo foi conduzido no domínio da Estratigrafia Sedimentar, com foco na tarefa de interpretação visual de processos deposicionais geradores de fácies sedimentares. Os modelos desenvolvidos no trabalho foram testados no domínio, alcançando resultados satisfatórios. Para isto, realizou-se também o refinamento de uma ontologia de domínio. Este processo foi realizado através da aplicação de diversas técnicas de aquisição de conhecimento em sessões com o especialista. / Imagistic domains are those in which problem-solving process begins with the recognition of domain objects trough the visual information captured, supporting more abstract interpretations in subsequent steps. The problem-solving process, in imagistic domains, is performed trough intensive application of visual knowledge, which corresponds to the set of mental models that support the process of reasoning about the information of the spatial arrangement and other visual aspects of the domain entities. The visual knowledge corresponds to a tacit kind of knowledge of practitioners in the field, so it is often used unconsciously, resisting to explicit verbalization. These characteristics of visual knowledge are challenging from the standpoint of Knowledge Engineering. The general aim of this work is to outline an integrated approach to acquisition, modeling, representation and reasoning, to handle visual knowledge, from the standpoint of Knowledge Engineering. The visual interpretation is a common task in imagistic domains, whose resolution demands a reasoning that involves a cognitive process that starts with the direct perception of visual features of objects, and results in abstract understandings of observed scene, such as dynamic behavior of objects in the scene, the meaning of the context of the scene, causes or effects of the state of affairs captured in the scene, etc. Thus, to achieve the overall goal, this work takes as a specific aim to study and model the reasoning process used by experts to solve tasks of visual interpretation, as well as the inferential knowledge structures applied by experts in imagistic domains to accomplish this type of task. The main results of this work are a model of reasoning for solving tasks of visual interpretation; a cognitive grounded model of structure for inferential knowledge representation, called visual chunk; and an approach to visual knowledge acquisition and refinement of ontologies, which explores the reasoning used by the expert as a tool to reveal the lack of important terms in the domain ontology. The study was conducted in the field of sedimentary stratigraphy, focusing on the task of visual interpretation of depositional processes responsible by the generation of sedimentary facies. The models developed in this work was tested in the domain, achieving satisfactory results. In order to apply our approach, a refinement of domain ontology was performed. This process was carried out by applying several techniques of knowledge acquisition in sessions with the expert.

As Redes Bayesianas constituem um modelo computacional adequado para a realização de inferências probabilísticas em domínios que envolvem a incerteza. O raciocínio diagnóstico médico pode ser caracterizado como um ato de inferência probabilística em um domínio incerto, onde a elaboração de hipóteses diagnósticas é representada pela estratificação de doenças em função das probabilidades a elas associadas. A presente dissertação faz uma pesquisa sobre a metodologia para construção/validação de redes bayesianas voltadas à área médica, e utiliza estes conhecimentos para o desenvolvimento de uma rede probabilística para o auxílio diagnóstico da Insuficiência Cardíaca (IC). Esta rede bayesiana, implementada como parte do sistema SEAMED/AMPLIA, teria o papel de alerta para o diagnóstico e tratamento precoce da IC, o que proporcionaria uma maior agilidade e eficiência no atendimento de pacientes portadores desta patologia. / Bayesian networks (BN) constitute an adequate computational model to make probabilistic inference in domains that involve uncertainty. Medical diagnostic reasoning may be characterized as an act of probabilistic inference in an uncertain domain, where diagnostic hypotheses elaboration is represented by the stratification of diseases according to the related probabilities. The present dissertation researches the methodology used in the construction/validation of Bayesian Networks related to the medical field, and makes use of this knowledge for the development of a probabilistic network to aid in the diagnosis of Heart Failure (HF). This BN, implemented as part of the SEAMED/AMPLIA System, would engage in the role of alerting for early diagnosis and treatment of HF, which could provide faster and more efficient healthcare of patients carrying this pathology.

Em domínios com forte conteúdo visual, a interpretação de imagens por raciocínio visual pode ser mais eficaz na solução de problemas do que a interpretação de dados puramente textuais ou numéricos. No entanto, a representação do conhecimento visual é difícil de ser realizada por tratar-se de um conhecimento implícito para o observador. As ontologias de representação possibilitam a criação de estruturas para auxiliar na captura desse tipo de conhecimento, de forma a atribuir uma representação simbólica e significado semântico ao que está sendo visualizado. A formalização do conhecimento visual permite a sua utilização em processos de inferência, resultando na interpretação automática da imagem. O objetivo deste trabalho é a definição de construtos ontológicos que permitam descrever aspectos visuais presentes em uma imagem, com ênfase na atenção visual mais do que nos aspectos físicos dos objetos. Esses aspectos visuais são associados aos objetos físicos da imagem bem como aos objetos descritos no nível do conhecimento de domínio. Para cada um dos níveis foi definida uma ontologia de representação, sendo assim possível atribuir semântica específica a esses objetos através da descrição de seus atributos e manter a independência do conhecimento relativo a cada nível. O nível da imagem descreve os objetos passíveis de serem extraídos por algoritmos de processamento de imagem (embora esses algoritmos não tenham sido foco de estudo neste trabalho). O nível visual descreve objetos que são foco da atenção visual, tais como seções, interstícios e contornos. O nível semântico descreve os objetos da aplicação capturados através de aquisição de conhecimento. A identidade dos objetos modelados é garantida através de relações de mapeamento entre cada dois níveis adjacentes. O domínio de aplicação deste trabalho foi a Petrografia Sedimentar, com o objetivo de extrair por inferência a qualidade em termos de porosidade e permeabilidade de rochas reservatório de petróleo. Com ajuda do especialista, foi modelado um método de solução de problemas para identificação do grau de compactação da rocha, que raciocina sobre os conhecimentos modelados utilizando a ontologia proposta. Foi implementado um sistema que permite a descrição dos objetos individualizados através da segmentação manual da imagem, mapeando os dados descritos para a ontologia e aplicando sobre ela o método de solução de problemas. Esse sistema gera como resultado o grau de compactação da rocha, cuja imagem foi assim descrita. Uma validação preliminar da abordagem foi realizada através da descrição de imagens de rochas fazendo uso do sistema desenvolvido, confrontando os resultados com os obtidos por um geólogo para as mesmas rochas observadas. Na metade das amostras descritas, o sistema atingiu o mesmo resultado do especialista e, na outra metade, obteve grande aproximação dos resultados. / In domains that have strong visual content, the image interpretation applying visual reasoning can be more effective in solving problems than the interpretation of pure textual or numeric data. However, the representation of visual knowledge is hard to be achieved since, most of time, we are dealing with implicit knowledge for the observer. The representation ontologies allow the creation of structures for assisting the capture of this kind of knowledge, in order to associate a symbolic representation and semantic meaning to what it being visualize. The formalization of the visual knowledge allows its application for inference process, resulting in the automatic interpretation of image. The goal of this work is the definition of ontological constructs that allow describing the visual aspects presented in an image, giving more emphasis in the evidences captured by visual attention than in the physical aspects of the objects. These aspects are associated to the physical objects as well as to the objects described in the domain knowledge level. Separate representation ontologies were defined for each level, making possible to associate specific semantic content to the objects through the description of the attributes and to keep the independence of the knowledge related to each level. The image level describes the objects that are possible of being extracted by image processing algorithms (although these algorithms were not studied in this work). The visual knowledge describes the objects that capture the visual attention, such as sections, interstices and borders. The semantic level describes the application objects elicited by knowledge acquisition methods. The identity of the modeled objects is guaranteed through the mapping relation defined between each two adjacent levels. The application domain of this work is the Sedimentary Petrography, with the goal of extracting by inference methods the porosity and permeability quality of petroleum reservoir-rocks. With the aid of the expert, a problem-solving method that reasons over the knowledge formalized through the proposed ontology was modeled for the identification of the compaction level of the rock. Furthermore, it was implemented a system that supports the description of the objects individualized through a manual segmentation of the image. The described data was mapped to the ontology and the problem-solving method was applied to define the level of compaction. A preliminary validation was developed comparing the results achieved by the system with the manual interpretation done by the expert with the same rock samples. With the half of the described samples the system achieved the same results of the expert and has got strong approximation in the other half.

As Redes Bayesianas constituem um modelo computacional adequado para a realização de inferências probabilísticas em domínios que envolvem a incerteza. O raciocínio diagnóstico médico pode ser caracterizado como um ato de inferência probabilística em um domínio incerto, onde a elaboração de hipóteses diagnósticas é representada pela estratificação de doenças em função das probabilidades a elas associadas. A presente dissertação faz uma pesquisa sobre a metodologia para construção/validação de redes bayesianas voltadas à área médica, e utiliza estes conhecimentos para o desenvolvimento de uma rede probabilística para o auxílio diagnóstico da Insuficiência Cardíaca (IC). Esta rede bayesiana, implementada como parte do sistema SEAMED/AMPLIA, teria o papel de alerta para o diagnóstico e tratamento precoce da IC, o que proporcionaria uma maior agilidade e eficiência no atendimento de pacientes portadores desta patologia. / Bayesian networks (BN) constitute an adequate computational model to make probabilistic inference in domains that involve uncertainty. Medical diagnostic reasoning may be characterized as an act of probabilistic inference in an uncertain domain, where diagnostic hypotheses elaboration is represented by the stratification of diseases according to the related probabilities. The present dissertation researches the methodology used in the construction/validation of Bayesian Networks related to the medical field, and makes use of this knowledge for the development of a probabilistic network to aid in the diagnosis of Heart Failure (HF). This BN, implemented as part of the SEAMED/AMPLIA System, would engage in the role of alerting for early diagnosis and treatment of HF, which could provide faster and more efficient healthcare of patients carrying this pathology.

Em domínios com forte conteúdo visual, a interpretação de imagens por raciocínio visual pode ser mais eficaz na solução de problemas do que a interpretação de dados puramente textuais ou numéricos. No entanto, a representação do conhecimento visual é difícil de ser realizada por tratar-se de um conhecimento implícito para o observador. As ontologias de representação possibilitam a criação de estruturas para auxiliar na captura desse tipo de conhecimento, de forma a atribuir uma representação simbólica e significado semântico ao que está sendo visualizado. A formalização do conhecimento visual permite a sua utilização em processos de inferência, resultando na interpretação automática da imagem. O objetivo deste trabalho é a definição de construtos ontológicos que permitam descrever aspectos visuais presentes em uma imagem, com ênfase na atenção visual mais do que nos aspectos físicos dos objetos. Esses aspectos visuais são associados aos objetos físicos da imagem bem como aos objetos descritos no nível do conhecimento de domínio. Para cada um dos níveis foi definida uma ontologia de representação, sendo assim possível atribuir semântica específica a esses objetos através da descrição de seus atributos e manter a independência do conhecimento relativo a cada nível. O nível da imagem descreve os objetos passíveis de serem extraídos por algoritmos de processamento de imagem (embora esses algoritmos não tenham sido foco de estudo neste trabalho). O nível visual descreve objetos que são foco da atenção visual, tais como seções, interstícios e contornos. O nível semântico descreve os objetos da aplicação capturados através de aquisição de conhecimento. A identidade dos objetos modelados é garantida através de relações de mapeamento entre cada dois níveis adjacentes. O domínio de aplicação deste trabalho foi a Petrografia Sedimentar, com o objetivo de extrair por inferência a qualidade em termos de porosidade e permeabilidade de rochas reservatório de petróleo. Com ajuda do especialista, foi modelado um método de solução de problemas para identificação do grau de compactação da rocha, que raciocina sobre os conhecimentos modelados utilizando a ontologia proposta. Foi implementado um sistema que permite a descrição dos objetos individualizados através da segmentação manual da imagem, mapeando os dados descritos para a ontologia e aplicando sobre ela o método de solução de problemas. Esse sistema gera como resultado o grau de compactação da rocha, cuja imagem foi assim descrita. Uma validação preliminar da abordagem foi realizada através da descrição de imagens de rochas fazendo uso do sistema desenvolvido, confrontando os resultados com os obtidos por um geólogo para as mesmas rochas observadas. Na metade das amostras descritas, o sistema atingiu o mesmo resultado do especialista e, na outra metade, obteve grande aproximação dos resultados. / In domains that have strong visual content, the image interpretation applying visual reasoning can be more effective in solving problems than the interpretation of pure textual or numeric data. However, the representation of visual knowledge is hard to be achieved since, most of time, we are dealing with implicit knowledge for the observer. The representation ontologies allow the creation of structures for assisting the capture of this kind of knowledge, in order to associate a symbolic representation and semantic meaning to what it being visualize. The formalization of the visual knowledge allows its application for inference process, resulting in the automatic interpretation of image. The goal of this work is the definition of ontological constructs that allow describing the visual aspects presented in an image, giving more emphasis in the evidences captured by visual attention than in the physical aspects of the objects. These aspects are associated to the physical objects as well as to the objects described in the domain knowledge level. Separate representation ontologies were defined for each level, making possible to associate specific semantic content to the objects through the description of the attributes and to keep the independence of the knowledge related to each level. The image level describes the objects that are possible of being extracted by image processing algorithms (although these algorithms were not studied in this work). The visual knowledge describes the objects that capture the visual attention, such as sections, interstices and borders. The semantic level describes the application objects elicited by knowledge acquisition methods. The identity of the modeled objects is guaranteed through the mapping relation defined between each two adjacent levels. The application domain of this work is the Sedimentary Petrography, with the goal of extracting by inference methods the porosity and permeability quality of petroleum reservoir-rocks. With the aid of the expert, a problem-solving method that reasons over the knowledge formalized through the proposed ontology was modeled for the identification of the compaction level of the rock. Furthermore, it was implemented a system that supports the description of the objects individualized through a manual segmentation of the image. The described data was mapped to the ontology and the problem-solving method was applied to define the level of compaction. A preliminary validation was developed comparing the results achieved by the system with the manual interpretation done by the expert with the same rock samples. With the half of the described samples the system achieved the same results of the expert and has got strong approximation in the other half.

Domínios imagísticos são os domínios nos quais a resolução de problemas inicia com um processo de reconhecimento dos objetos de domínio a partir da informação visual capturada, suportando interpretações mais abstratas em eventuais etapas subsequentes. A resolução de problemas, em domínio imagísticos, demanda dos especialistas a aplicação intensiva de conhecimento visual, que corresponde ao conjunto de modelos mentais que suportam o processo de raciocínio sobre a informação associada ao arranjo espacial e outros aspectos visuais das entidades do domínio. O conhecimento visual geralmente corresponde à porção tácita do conhecimento dos praticantes do domínio, de modo que ele geralmente é utilizado de modo inconsciente, resistindo à verbalização explícita. Estas características do conhecimento visual são desafiadoras do ponto de vista de Engenharia do Conhecimento. O objetivo geral deste trabalho é delinear uma abordagem integrada para aquisição, modelagem, representação e raciocínio sobre conhecimento visual, do ponto de vista da Engenharia do Conhecimento. A interpretação visual é uma tarefa comum em domínios imagísticos, cuja resolução demanda dos especialistas um raciocínio que envolve a realização de um processo cognitivo que inicia com a percepção visual direta de características dos objetos já conhecidos no domínio, e que resulta em compreensões mais abstratas da cena observada, tais como: comportamentos dinâmicos dos objetos da cena, significado do contexto da cena, causas ou efeitos do estado de coisas capturado pela cena, etc. Desta forma, para realizar o objetivo geral, este trabalho assume como objetivo específico estudar e modelar o processo de raciocínio utilizado pelos especialistas para resolver tarefas de interpretação visual, bem como as próprias estruturas para representação de conhecimento inferencial utilizadas pelos especialistas em domínios imagísticos durante a realização deste tipo de tarefa. Os principais resultados deste trabalho são um modelo de raciocínio para resolução de tarefas de interpretação visual; um modelo de estrutura para representação de conhecimento inferencial, cognitiva e filosoficamente fundamentada, chamada pacote visual; e uma abordagem para aquisição de conhecimento visual e refinamento de ontologias. O estudo foi conduzido no domínio da Estratigrafia Sedimentar, com foco na tarefa de interpretação visual de processos deposicionais geradores de fácies sedimentares. Os modelos desenvolvidos no trabalho foram testados no domínio, alcançando resultados satisfatórios. Para isto, realizou-se também o refinamento de uma ontologia de domínio. Este processo foi realizado através da aplicação de diversas técnicas de aquisição de conhecimento em sessões com o especialista. / Imagistic domains are those in which problem-solving process begins with the recognition of domain objects trough the visual information captured, supporting more abstract interpretations in subsequent steps. The problem-solving process, in imagistic domains, is performed trough intensive application of visual knowledge, which corresponds to the set of mental models that support the process of reasoning about the information of the spatial arrangement and other visual aspects of the domain entities. The visual knowledge corresponds to a tacit kind of knowledge of practitioners in the field, so it is often used unconsciously, resisting to explicit verbalization. These characteristics of visual knowledge are challenging from the standpoint of Knowledge Engineering. The general aim of this work is to outline an integrated approach to acquisition, modeling, representation and reasoning, to handle visual knowledge, from the standpoint of Knowledge Engineering. The visual interpretation is a common task in imagistic domains, whose resolution demands a reasoning that involves a cognitive process that starts with the direct perception of visual features of objects, and results in abstract understandings of observed scene, such as dynamic behavior of objects in the scene, the meaning of the context of the scene, causes or effects of the state of affairs captured in the scene, etc. Thus, to achieve the overall goal, this work takes as a specific aim to study and model the reasoning process used by experts to solve tasks of visual interpretation, as well as the inferential knowledge structures applied by experts in imagistic domains to accomplish this type of task. The main results of this work are a model of reasoning for solving tasks of visual interpretation; a cognitive grounded model of structure for inferential knowledge representation, called visual chunk; and an approach to visual knowledge acquisition and refinement of ontologies, which explores the reasoning used by the expert as a tool to reveal the lack of important terms in the domain ontology. The study was conducted in the field of sedimentary stratigraphy, focusing on the task of visual interpretation of depositional processes responsible by the generation of sedimentary facies. The models developed in this work was tested in the domain, achieving satisfactory results. In order to apply our approach, a refinement of domain ontology was performed. This process was carried out by applying several techniques of knowledge acquisition in sessions with the expert.