Com o aumento da capacidade de armazenamento de informação em bancos de dados e em computadores pessoais, surge a necessidade de algoritmos computacionais capazes de realizar o processamento automático para recuperação desses dados. Esse fato não é diferente para objetos tridimensionais armazenados em formato de arquivos. Nesta Dissertação de Mestrado foram estudadas novas técnicas para processamento desses objetos utilizando uma abordagem não comum à área: técnicas para análise de séries temporais, tais como scattering wavelets e gráficos de recorrência. No caso de recuperação total de objetos, ou seja, dado uma malha tridimensional encontrar outras malhas que são visualmente semelhantes, uma única característica é extraída curvatura gaussiana e variação de superfície, por exemplo e ordenada como uma série com a informação provida pelo vetor de Fiedler. Então processa-se essa série utilizando a técnica scattering wavelets, que são capazes de analisar o comportamento temporal de conjunto de dados seriais. Para esse problema, os resultados obtidos são comparáveis com outras abordagens apresentadas na literatura que utilizam várias características para se chegar ao resultado. Já no caso de recuperação parcial de objetos, em que apenas uma parte do objeto é dado como parâmetro de busca, é necessário realizar uma segmentação das malhas para se encontrar outras partes que são visualmente semelhantes. Ao utilizarmos um gráfico de recorrência para analisar os objetos, é possível encontrar não apenas a região mais semelhante dentro da mesma (ou de outra) malha, mas também se obtém todas as regiões que são similares ao parâmetro de busca. / With the increasing data storage capacity of databases and personal computers, arises the necessity of computer algorithms capable of performing processing for automatic recovery of data and information. This fact is no different for three-dimensional objects stored in files. In this Masters Thesis we studied new techniques for processing such data objects using an unusual approach to the geometric processing area: techniques for analyzing time series, such as scattering wavelets and recurrence plots. For shape retrieval problem, i.e., given a tridimensional mesh try finding other meshes that are visually similar, our method extract only one feature Gaussian curvature and surface variation, for example and organize it as a series using information given by Fiedler vector. Then, the next step is to process the resulting series using a technique called scattering wavelets, that is capable of analyzing the temporal behavior of a set of serial data. For this problem, the results are comparable with other approaches reported in the literature that use multiple characteristics to find a matching mesh. In the case of partial retrieval of objects, in which only a part of the object is given as search parameter, it is necessary to perform a segmentation of the meshes in order to find other parts that are visually similar to the query. By using Recurrence Plot to analyze the objects, our method can find not only the most similar region within the same (or other) object, but also get all the regions that are similar to the search parameter.

Com o aumento da capacidade de armazenamento de informação em bancos de dados e em computadores pessoais, surge a necessidade de algoritmos computacionais capazes de realizar o processamento automático para recuperação desses dados. Esse fato não é diferente para objetos tridimensionais armazenados em formato de arquivos. Nesta Dissertação de Mestrado foram estudadas novas técnicas para processamento desses objetos utilizando uma abordagem não comum à área: técnicas para análise de séries temporais, tais como scattering wavelets e gráficos de recorrência. No caso de recuperação total de objetos, ou seja, dado uma malha tridimensional encontrar outras malhas que são visualmente semelhantes, uma única característica é extraída curvatura gaussiana e variação de superfície, por exemplo e ordenada como uma série com a informação provida pelo vetor de Fiedler. Então processa-se essa série utilizando a técnica scattering wavelets, que são capazes de analisar o comportamento temporal de conjunto de dados seriais. Para esse problema, os resultados obtidos são comparáveis com outras abordagens apresentadas na literatura que utilizam várias características para se chegar ao resultado. Já no caso de recuperação parcial de objetos, em que apenas uma parte do objeto é dado como parâmetro de busca, é necessário realizar uma segmentação das malhas para se encontrar outras partes que são visualmente semelhantes. Ao utilizarmos um gráfico de recorrência para analisar os objetos, é possível encontrar não apenas a região mais semelhante dentro da mesma (ou de outra) malha, mas também se obtém todas as regiões que são similares ao parâmetro de busca. / With the increasing data storage capacity of databases and personal computers, arises the necessity of computer algorithms capable of performing processing for automatic recovery of data and information. This fact is no different for three-dimensional objects stored in files. In this Masters Thesis we studied new techniques for processing such data objects using an unusual approach to the geometric processing area: techniques for analyzing time series, such as scattering wavelets and recurrence plots. For shape retrieval problem, i.e., given a tridimensional mesh try finding other meshes that are visually similar, our method extract only one feature Gaussian curvature and surface variation, for example and organize it as a series using information given by Fiedler vector. Then, the next step is to process the resulting series using a technique called scattering wavelets, that is capable of analyzing the temporal behavior of a set of serial data. For this problem, the results are comparable with other approaches reported in the literature that use multiple characteristics to find a matching mesh. In the case of partial retrieval of objects, in which only a part of the object is given as search parameter, it is necessary to perform a segmentation of the meshes in order to find other parts that are visually similar to the query. By using Recurrence Plot to analyze the objects, our method can find not only the most similar region within the same (or other) object, but also get all the regions that are similar to the search parameter.