Made available in DSpace on 2014-06-12T17:40:35Z (GMT). No. of bitstreams: 2 arquivo7036_1.pdf: 2047609 bytes, checksum: e3d87bd28e5314c857de9b11d1bc348a (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2008 / Para avaliar a qualidade do desempenho de ferramentas comerciais de Reconhecimento Óptico de Caracteres (OCR) é necessário adquirir métricas para avaliar o quanto um texto transcrito está próximo do texto original, uma vez que quando uma imagem sofre alterações, por menores que sejam, estas influenciam nas transcrições dos OCR s. Neste trabalho será apresentada uma nova métrica para avaliar transcrições de OCR s: através da aplicação de técnicas de filtragem (brilho, contraste, resolução, rotação, etc.) na imagem original, para que as mudanças mínimas gerem inúmeras imagens, as quais serão submetidas ao OCR e resultarão em textos distintos. Um algoritmo foi desenvolvido para comparar os textos gerados, analisando desde a quantidade de linhas até a igualdade entre os caracteres. Através da análise de maior freqüência entre os caracteres, este algoritmo gera um novo arquivo-texto. Com o uso desta metodologia, o arquivo gerado ficou muito próximo do original com um índice de acerto maior que os arquivos transcritos sem o processo de filtragem

Dissertação (Mestrado em Engenharia Elétrica) - Centro Universitário FEI, São Bernardo do Campo, 2016.

O desenvolvimento de novas tecnologias proporciona meios para novas pesquisas e, no caso dos dados gerados por sensores remotos, seu entendimento e utilização constituem uma ampla fonte para a geração de novos conhecimentos científicos. Imagens de média resolução espacial, a exemplo o sensor ASTER, apresentam fontes de informação de grande valor. O presente trabalho tem o propósito de investigar as potencialidades dessas imagens na discriminação espectral de vinhedos e, adicionalmente, verificar o comportamento espectral de variedades de viníferas frente à influência de efeitos de sombreamento. Para esta análise, a Vinícola Veramonte, no Valle de Casablanca-Chile, foi escolhida por ser adequada em termos de topografia, repartição de parcelas, informações de campo e disponibilidade de imagens. Como imagens ASTER são coletadas com resoluções de 15m e 30m, operações de reamostragem são necessárias para uma maior exploração dos dados. As bandas do subsistema SWIR, com pixels de 30 m, foram reamostradas pelo método do Vizinho mais Próximo para 15 m e processadas junto com as três bandas do subsistema VNIR, possibilitando realizar a investigação espectral utilizando-se 9 bandas. Comparações estatísticas (teste t) foram feitas em imagens originais e reamostradas, constatando-se que ambas não diferem significativamente. A influência da sombra entre fileiras de vinhas na resposta espectral também foi investigada. A proporção de sombra entre as fileiras é variável, em função da orientação das filas, da distância zenital e do azimute do Sol na hora da aquisição da imagem. Foram estudadas as variedades Chardonnay, Merlot e Sauvignon Blanc em três imagens de diferentes datas. Determinados os diferentes grupos, esses foram submetidos a análises de similaridade, usando-se ANOVA, seguidos do teste de Tukey. Comparou-se também a separabilidade de diferentes variedades, que apresentavam a mesma quantidade de sombra. As imagens foram classificadas através do classificador de Mínima Distância para verificar a eficácia desse classificador em detectar a variação de sombra. A validação final foi realizada através da comparação da imagem classificada com as informações contidas no mapa de localização das cepas. Como resultados, foi confirmada a validade da reamostragem de pixels pelo método do vizinho mais próximo, sem alteração do valor digital, e constatou-se a influência do substrato (solo iluminado ou sombreado) na caracterização espectral das variedades viníferas, e a sua influência na classificação das imagens ASTER. / Technological developments lead to new sources of research, and in the case of data from remote sensors, their understanding and use allow the generation of new scientific knowledge. For images of medium spatial resolution, the ASTER sensor is an important information source. This study aims to investigate the potential of ASTER images in the discrimination of vineyards, and to verify the spectral behavior of the vinifera varieties in face of the influence of shadow effects. For this analysis, the property of Viña Veramonte, at Valle Casablanca, Chile, was chosen, since it proved to be adequate for its topography, plot partition, field data, and images availability. Since ASTER images are acquired with spatial resolutions of 15m and 30 m, resampling procedures are necessary to the full use of data from the nine spectral bands of VNIR and SWIR; however, such practices are frequently considered as sources of false information, and this issue was investigated first. The six SWIR bands, with 30m pixels, were resampled to 15m using the Nearest Neighbor method, allowing to perform a spectral investigation with nine bands. Statistical comparisons using the t test were applied both to the original and resampled images, being shown that the two images don’t differ significantly; this allowed to proceed the study using resampled images with nine spectral bands. The influence of shadow between rows of vines was then investigated. The percentage of shadow between rows is variable, being a function of row orientation, of Sun’s zenith distance and azimuth, and of the time of image acquisition. Using maps provided by the vineyard managers, informing vine varieties and their places, it was possible to derive the spectral information and to identify the vine parcels in images, which were separated by groups according to their shadow percentages. The grape cultivars Chardonnay, Sauvignon Blanc and Merlot were studied in images of three dates. After defining the three groups, they were analyzed through the ANOVA and Tukey Test methods. A comparison was also made for those varieties which had the same proportion of shadow. All images were classified through the Minimum Distance algorithm, to verify the performance of this classification technique in detecting the shadow change. The final validation was made by comparing the classified image with information from the vineyard map. As results, the validity of the pixel resampling by the Nearest Neighbor method was demonstrated, as the influence of the inter-rows shadow in the classification of ASTER images.

Dissertação (mestrado)—Universidade de Brasília, Faculdade UnB Gama, Programa de Pós-Graduação em Engenharia Biomédica, 2015. / O antibiograma por disco-difusão é um procedimento laboratorial utilizado para determinar a suscetibilidade de micro-organismos em relação a um antibiótico. Neste exame, os antibióticos são impregnados em discos que são rotulados com caracteres alfanuméricos. A identificação automática destes rótulos é de crucial importância na automação deste antibiograma, visto que descrevem o antimicrobiano e sua respectiva concentração. Sendo assim, este trabalho apresenta uma técnica de descritores baseada em Momentos Invariantes com objetivo de reconhecer os padrões alfanuméricos presentes nos exames de antibiogramas por disco-difusão e sua aplicação no método Automático de Identificação do Antibiograma (AIA), que é parte integrante do projeto AUTOBAC. No experimento, foram utilizadas as técnicas de Momentos Invariantes em comparação ao uso do Scale-invariant Feature Transform (SIFT), técnica comercial utilizada pelo AIA. Para os Momentos Invariantes, a solução proposta apresentou 90,9% de identificações corretas e o SIFT apresentou 94,9% de identificações corretas, ou seja, a solução proposta apresentou um resultado apenas 4% menor do que a solução comercial proposta inicialmente pelo AIA, indicando a aplicabilidade da solução. / The antibiogram by disk diffusion is a laboratory procedure used to determine the relative susceptibility of microorganisms to an antibiotic. In this exam, antibiotics are impregnated discs labeled with alphanumeric characters. The automatic identification of these labels is crucial to antibiogram automation, as describing the antimicrobial and its respective concentration. Thus, this work presents a descriptors technique based on Invariant Moments in order to recognize the alphanumeric patterns present in antibiotic susceptibility tests by disk diffusion and its application in Automatic Identification Antibiogram (AIA) method, which is part of the AUTOBAC project. In the experiments, was achieved a comparison of the Invariant Moments techniques and the Scale-invariant Feature Transform (SIFT), a commercial technique used by the AIA. For the Invariant Moments, the proposed solution showed 90.9% of correct identifications and the SIFT with 94.9% of correct identifications, i.e., the proposed solution shows a result about only 4% lower than the commercial solution originally proposed by AIA, indicating the applicability of the solution.

Made available in DSpace on 2013-08-07T18:42:25Z (GMT). No. of bitstreams: 1 000444462-Texto+Completo-0.pdf: 2799490 bytes, checksum: aa689a595b738094f4c295382853e8fb (MD5) Previous issue date: 2012 / This work explores the current model used to store the flow of operations done in the image editing process. Tools for editing normally use a stack to store this flow, and this work presents problems of this model: when the user undoes some operations and applies a new one the undone operations are lost. Other problem is that the history is kept on a session basis, and if the user saves an image after editing and opens it at another time the history will be empty, thus losing the changes that have already been executed and is no longer possible to undo. This work presents a nonlinear way for storing and viewing these flows, based on trees. With one tree users can have multiple paths in a unique way to visualize. Saving this tree keeps the history for future editing. Other advantages and details the proposed model is described throughout the paper. Finally we introduce the prototype developed to evaluate the model, after we present the results of evaluations with users using the prototype. / Este trabalho disserta sobre modelos utilizados para representar e armazenar o fluxo de operações para edição de imagens. As ferramentas de edição de imagens, geralmente, utilizam uma pilha para armazenar este fluxo, e neste trabalho são apresentados alguns problemas encontrados neste modelo, como por exemplo: quando o usuário desfaz algumas operações e aplica uma nova, as operações desfeitas são perdidas. Outro problema detectado é que o histórico é mantido por sessão, ou seja, ao salvar uma imagem e abrir uma edição dela em outro momento o histórico estará vazio, perdendo-se as transformações que já foram executadas e não é mais possível retroceder. Este trabalho apresenta uma forma não-linear para armazenar e visualizar estes fluxos, baseando-se em uma árvore. Com uma árvore é possível ter vários caminhos que são diversas edições em uma única forma de visualizar. Salvando esta árvore pode-se manter o histórico para uma futura edição. Outras vantagens e detalhes do modelo proposto são descritos ao longo do trabalho. Por fim é introduzido o protótipo desenvolvido para avaliar o modelo, em seguida são apresentados resultados de avaliações com usuários utilizando o protótipo.

Made available in DSpace on 2013-08-07T18:42:32Z (GMT). No. of bitstreams: 1 000439268-Texto+Completo-0.pdf: 3839238 bytes, checksum: fd0fa234ac3d8f99019784f88a77547f (MD5) Previous issue date: 2012 / The segmentation of people (automatic or semi-automatic) in still images is a very challenging task, mainly due to several factors in the real world, such as those related to the lighting of the scene where the image was captured, shadows, image noise, occlusions, high similarity of the object of interest with the background of the scene and the lack of information inherent in depth when a scene is captured into a 2D image. In this work we present a skeleton-based model for human segmentation in still images. The input data of the model, related to the skeleton model, can be obtained automatically (using an algorithm for 2D pose estimation of people in images, for example) or manually (through user interaction), depending on the particular application. The skeleton model is used to guide the segmentation by taking into account color information, brightness, angle constraints and anthropometric parameters. In a general way, the main idea of the proposed approach is to build a graph around the skeleton model, for a given input image, and find out the best path in this graph that satisfies a certain condition (e. g., the one that maximizes a certain energy criterion), thus generating the contour of the person in the picture. It is also being proposed in this work an approach to measure quantitatively the experimental results, from information provided through user interaction. The experimental results demonstrate that the proposed model generates satisfactory results for non-trivial images containing people with varied appearances and poses (containing self-occlusions), in various complex environments (and uncontrolled), with different lighting conditions and image quality. The results obtained using the proposed model was also compared with those obtained by a work considered state of the art. Our experiments indicate that the proposed model adapts better to the contours, while the human body shape priors in the confronted work enforce a smoother contour. The proposed segmentation model generates a closed contour (for each person in the image) with semantic information included, (e. g., each contour point is associated with a particular body part), which can be used for various purposes (for example, construction of virtual humans with features extracted from the image, methods for clothes estimation in images, estimation of the human shape under the clothes, etc. ). / A segmentação (automática ou semi-automática) de pessoas em imagens estáticas é uma tarefa bastante desafiadora, principalmente devido a diversos fatores do mundo real, como por exemplo, fatores relacionados à iluminação da cena onde a imagem foi capturada, sombras, ruídos na imagem, oclusão, alta similaridade do objeto de interesse com o fundo da cena e a falta de informação inerente de profundidade quando uma cena é capturada em uma imagem 2D. Nessa tese é apresentado um modelo para segmentação de pessoas em imagens baseado em esqueleto. Os dados de entrada para o modelo proposto, associados ao modelo de esqueleto, podem ser obtidos de forma automática (utilizando um algoritmo para estimativa de pose 2D de pessoas em imagens, por exemplo) ou manual (através de interação com usuário), dependendo da aplicação em questão. O modelo de esqueleto guia a segmentação da pessoa na imagem levando em consideração informações de cor, luminosidade, restrições de ângulos e parâmetros antropométricos. De uma forma geral, a idéia principal da abordagem proposta é construir um grafo ao redor do modelo de esqueleto, para uma determinada imagem de entrada, e buscar o melhor caminho nesse grafo que satisfaça uma determinada condição (por exemplo, aquela que maximiza certo critério de energia), gerando assim o contorno da pessoa na imagem. Também está sendo proposta nessa tese uma abordagem para avaliar quantitativamente os resultados experimentais obtidos, a partir de informações fornecidas através de interação com usuário. Os resultados experimentais demonstram que o modelo proposto gera resultados satisfatórios para imagens não triviais, contendo pessoas com aparências e poses variadas (podendo haver membros parcialmente ocultos), em diversos ambientes complexos (e não controlados), com diferentes iluminações e qualidade de imagem, entre outros fatores. Os resultados obtidos com a utilização do modelo proposto também foram comparados com os obtidos por um trabalho considerado estado-daarte e os experimentos indicam que o nosso modelo gera resultados mais coerentes para o contorno da pessoa, enquanto que os contornos obtidos pelo trabalho em questão apresentam formas mais suaves.O modelo de segmentação proposto é capaz de gerar um contorno fechado (para cada pessoa na imagem) contendo informação semântica, ou seja, cada ponto do contorno resultante está associado a uma determinada parte do corpo, que pode ser utilizada para diversos fins (por exemplo, construção de humanos virtuais com características extraídas da imagem, métodos para estimativa de roupas em imagens, estimativa da forma humana sobre as roupas, entre outros).

Submitted by LIVIA FREITAS (livia.freitas@ufba.br) on 2013-10-11T12:05:23Z No. of bitstreams: 1 dissertacao_mestrado_jose-grimaldo.pdf: 19406681 bytes, checksum: d108855fa0fb0d44ee5d1cb59579a04c (MD5) / Approved for entry into archive by LIVIA FREITAS(livia.freitas@ufba.br) on 2013-10-11T19:14:00Z (GMT) No. of bitstreams: 1 dissertacao_mestrado_jose-grimaldo.pdf: 19406681 bytes, checksum: d108855fa0fb0d44ee5d1cb59579a04c (MD5) / Made available in DSpace on 2013-10-11T19:14:00Z (GMT). No. of bitstreams: 1 dissertacao_mestrado_jose-grimaldo.pdf: 19406681 bytes, checksum: d108855fa0fb0d44ee5d1cb59579a04c (MD5) / Accuracy in image object detection has been usually achieved at the expense of much computational load. Therefore a trade-o between detection performance and fast execution commonly represents the ultimate goal of an object detector in real life applications. Most images are composed of non-trivial amounts of background nformation, such as sky, ground and water. In this sense, using an object detector against a recurring background pattern can require a signi cant amount of the total processing time. To alleviate this problem, search space reduction methods can help focusing the detection procedure on more distinctive image regions. Among the several approaches for search space reduction, we explored saliency information to organize regions based on their probability of containing objects. Saliency detectors are capable of pinpointing regions which generate stronger visual stimuli based solely on information extracted from the image. The fact that saliency methods do not require prior training is an important bene t, which allows application of these techniques in a broad range of machine vision domains. We propose a novel method toward the goal of faster object detectors. The proposed method was grounded on a multi-scale spectral residue (MSR) analysis using saliency detection. For better search space reduction, our method enables ne control of search scale, more robustness to variations on saliency intensity along an object length and also a direct way to control the balance between search space reduction and false negatives caused by region selection. Compared to a regular sliding window search over the images, in our experiments, MSR was able to reduce by 75% (in average) the number of windows to be evaluated by an object detector while improving or at least maintaining detector ROC performance. The proposed method was thoroughly evaluated over a subset of LabelMe dataset (person images), improving detection performance in most cases. This evaluation was done comparing object detection performance against di erent object detectors, with and without MSR. Additionally, we also provide evaluation of how di erent object classes interact with MSR, which was done using Pascal VOC 2007 dataset. Finally, tests made showed that window selection performance of MSR has a good scalability with regard to image size. From the obtained data, our conclusion is that MSR can provide substantial bene ts to existing sliding window detectors. / Salvador

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. / Made available in DSpace on 2012-10-18T02:51:42Z (GMT). No. of bitstreams: 0Bitstream added on 2014-09-25T16:45:08Z : No. of bitstreams: 1 173309.pdf: 13092143 bytes, checksum: f531c5f24f416aaa2bce6049d36ce77d (MD5) / Este trabalho apresenta uma técnica de interpolação de imagens baseada na transformada wavelet. Métodos usuais de interpolação assumem que o sinal a ser interpolado seja uma função contínua, possuindo também uma ou mais derivadas contínuas. Tais considerações não são satisfeitas geralmente para imagens naturais, que apresentam variações bruscas de luminância nos limites entre os objetos. A suposição de continuidade da função de interpolação e suas derivadas produz imagens interpoladas com bordas excessivamente suavizadas. Para superar tal problema, introduz-se um método de interpolação baseado em wavelets que não impõe nenhuma limitação de continuidade. O algoritmo proposto estima a regularidade das bordas (medindo a função de decaimento dos coeficientes wavelet nas diferentes escalas de decomposição), objetivando preservá-la na extrapolação de uma nova sub-banda a ser utilizada na reconstrução da imagem. O algoritmo produz bordas notadamente mais nítidas do que técnicas clássicas utilizadas, como a bilinear e a cúbica, levando a uma sensível melhora da imagem interpolada tanto na razão sinal-ruído de pico (PSNR) quanto subjetivamente. Exemplos ilustram o desempenho e a eficiência do algoritmo proposto.

O desenvolvimento de novas tecnologias proporciona meios para novas pesquisas e, no caso dos dados gerados por sensores remotos, seu entendimento e utilização constituem uma ampla fonte para a geração de novos conhecimentos científicos. Imagens de média resolução espacial, a exemplo o sensor ASTER, apresentam fontes de informação de grande valor. O presente trabalho tem o propósito de investigar as potencialidades dessas imagens na discriminação espectral de vinhedos e, adicionalmente, verificar o comportamento espectral de variedades de viníferas frente à influência de efeitos de sombreamento. Para esta análise, a Vinícola Veramonte, no Valle de Casablanca-Chile, foi escolhida por ser adequada em termos de topografia, repartição de parcelas, informações de campo e disponibilidade de imagens. Como imagens ASTER são coletadas com resoluções de 15m e 30m, operações de reamostragem são necessárias para uma maior exploração dos dados. As bandas do subsistema SWIR, com pixels de 30 m, foram reamostradas pelo método do Vizinho mais Próximo para 15 m e processadas junto com as três bandas do subsistema VNIR, possibilitando realizar a investigação espectral utilizando-se 9 bandas. Comparações estatísticas (teste t) foram feitas em imagens originais e reamostradas, constatando-se que ambas não diferem significativamente. A influência da sombra entre fileiras de vinhas na resposta espectral também foi investigada. A proporção de sombra entre as fileiras é variável, em função da orientação das filas, da distância zenital e do azimute do Sol na hora da aquisição da imagem. Foram estudadas as variedades Chardonnay, Merlot e Sauvignon Blanc em três imagens de diferentes datas. Determinados os diferentes grupos, esses foram submetidos a análises de similaridade, usando-se ANOVA, seguidos do teste de Tukey. Comparou-se também a separabilidade de diferentes variedades, que apresentavam a mesma quantidade de sombra. As imagens foram classificadas através do classificador de Mínima Distância para verificar a eficácia desse classificador em detectar a variação de sombra. A validação final foi realizada através da comparação da imagem classificada com as informações contidas no mapa de localização das cepas. Como resultados, foi confirmada a validade da reamostragem de pixels pelo método do vizinho mais próximo, sem alteração do valor digital, e constatou-se a influência do substrato (solo iluminado ou sombreado) na caracterização espectral das variedades viníferas, e a sua influência na classificação das imagens ASTER. / Technological developments lead to new sources of research, and in the case of data from remote sensors, their understanding and use allow the generation of new scientific knowledge. For images of medium spatial resolution, the ASTER sensor is an important information source. This study aims to investigate the potential of ASTER images in the discrimination of vineyards, and to verify the spectral behavior of the vinifera varieties in face of the influence of shadow effects. For this analysis, the property of Viña Veramonte, at Valle Casablanca, Chile, was chosen, since it proved to be adequate for its topography, plot partition, field data, and images availability. Since ASTER images are acquired with spatial resolutions of 15m and 30 m, resampling procedures are necessary to the full use of data from the nine spectral bands of VNIR and SWIR; however, such practices are frequently considered as sources of false information, and this issue was investigated first. The six SWIR bands, with 30m pixels, were resampled to 15m using the Nearest Neighbor method, allowing to perform a spectral investigation with nine bands. Statistical comparisons using the t test were applied both to the original and resampled images, being shown that the two images don’t differ significantly; this allowed to proceed the study using resampled images with nine spectral bands. The influence of shadow between rows of vines was then investigated. The percentage of shadow between rows is variable, being a function of row orientation, of Sun’s zenith distance and azimuth, and of the time of image acquisition. Using maps provided by the vineyard managers, informing vine varieties and their places, it was possible to derive the spectral information and to identify the vine parcels in images, which were separated by groups according to their shadow percentages. The grape cultivars Chardonnay, Sauvignon Blanc and Merlot were studied in images of three dates. After defining the three groups, they were analyzed through the ANOVA and Tukey Test methods. A comparison was also made for those varieties which had the same proportion of shadow. All images were classified through the Minimum Distance algorithm, to verify the performance of this classification technique in detecting the shadow change. The final validation was made by comparing the classified image with information from the vineyard map. As results, the validity of the pixel resampling by the Nearest Neighbor method was demonstrated, as the influence of the inter-rows shadow in the classification of ASTER images.

A utilização de dados gerados por sensores remotos e aerotransportados para o monitoramento das condições biofísicas de vinhedos já é conhecida. No entanto, poucos estudos têm aplicado esta ferramenta para a caracterização e discriminação espectral de diferentes variedades e em diferentes terroirs, principalmente no que se refere a sensores de média resolução espacial. Neste sentido, este trabalho teve como objetivo principal avaliar dados espectrais de vinhedos, buscando verificar o potencial de uso das imagens geradas pelo sensor ASTER (Advanced Spaceborne Thermal and Reflection Radiometer) na caracterização e discriminação das variedades Cabernet Sauvignon, Chardonnay, Merlot e Pinot Noir, em cinco diferentes terroir, sendo dois no Chile, um no Brasil e dois da França. O estudo foi conduzido utilizando três imagens de cada um dos terroir estudados que abrangiam diferentes fases de desenvolvimento do dossel. Correção do efeito de crosstalk e correção atmosférica foram aplicadas em todas as cenas. Através de mapas fornecidos pelos proprietários dos vinhedos com a indicação das cepas, foi possível a localização dos lotes nas imagens e a coleta das informações espectrais. No Chile, foram coletadas amostras de Cabernet Sauvignon e Merlot para o Vale do Aconcagua e de Cabernet Sauvignon e Chardonnay para o Vale do Colchagua. Na França, na região de Bordeaux, foram coletadas amostras de Cabernet Sauvignon e Merlot de dois Châteaus, Giscours e Duhart Milon, e de Chardonnay e Pinot Noir para a região do Champagne. Em Encruzilhada do Sul, as quatro variedades foram avaliadas. De posse dos dados espectrais, foi verificada a existência de diferenças significativas entre as médias de reflectância levando em consideração as variedades que ocorriam em uma mesma região e a mesma variedade que ocorria em duas ou mais regiões através da aplicação de teste t para amostras independentes e Análise de Variância. Além disso, foi avaliada a similaridade das regiões e das variedades, através de análise de cluster. A Análise Discriminante (AD) foi aplicada para todas as datas avaliadas. Através da análise do centróide gerado pela AD e dos valores de NDVI das amostras das variedades, foi escolhida uma imagem para verificar a habilidade das funções discriminantes em diferenciar as variedades de uva. Através do cálculo da distância mínima entre o centróide para os valores discriminantes calculados para cada pixel, a imagem foi classificada. A validação final foi realizada através da comparação da imagem classificada com as informações contidas nos mapas de localização das cepas. Os resultados obtidos mostraram ser factível a discriminação espectral das variedades estudadas através da aplicação de AD. Os espectros de reflectância indicaram haver similaridades entre as regiões avaliadas, principalmente para Cabernet Sauvignon. Na análise de cluster, verificou-se uma tendência dos agrupamentos, sendo um formado pelas datas mais precoces e outro formado pelas datas mais tardias. Desta forma, conclui-se que as imagens geradas pelo sensor ASTER apresentam potencial para serem utilizadas em estudos que visem a identificação e caracterização de vinhedos e discriminação espectral de diferentes variedades. / Applications of remote sensing data to the monitoring of biophysical conditions of vineyards are well known. However, few studies have applied this resource to spectrally discriminate between vine varieties or to detect variations caused by changing terroirs; this is especially true with sensors of medium spatial resolution. This work aimed to obtain and analyze spectral data of vineyards, to assess to potential of ASTER (Advanced Spaceborne Thermal and Reflection Radiometer) images to characterize and discriminate the vine varieties Cabernet Sauvignon, Merlot, Pinot Noir and Chardonnay in five different terroirs, being two in Chile, one in Brazil, and two in France. Three images from each terroir were used, capturing different stages of canopy development. Corrections from the crosstalk effect and atmospheric influence were applied. Maps provided by owners informed on the place of each variety, making possible to locate the corresponding parcels on images, thus leading to the extraction of the spectrum of each variety. In Chile, samples of Cabernet Sauvignon and Merlot were collected for the Aconcagua Valley, and of Cabernet Sauvignon and Chardonnay for the Colchagua Valley. In France, at Bordeaux region, samples of Cabernet Sauvignon and Merlot were collected for the Chateaux of Giscours and Duhart Milon, and at Champagne, for Pinot Noir and Chardonnay. In Brazil, all four varieties were studied at the Encruzilhada do Sul region. The spectral data was analyzed from two perspectives: looking for significant differences in the mean reflectance between varieties at the same region; and considering the same variety are several regions. The t test and Analysis of Variance were applied. Similarities between varieties and regions were also estimated trhough cluster analysis. Discriminant analysis (DA) was applied for all dates. The centroids generated from DA, together with the Normalized Difference Vegetation Index (NDVI) of variety samples, were used to select an image to assess the potential of the discriminant functions to separate grape varieties. Image classification was performed by calculating the smallest distance between the centroids, for the discriminant values for each pixel. The final validation was done by comparing the classified image with the maps provided by owners, informing the varieties locations. The results show that it is possible to spectrally discriminate these four grape varieties, through DA. The reflectance spectra show that, at variety level, there are similarities between the regions, especially for Cabernet Sauvignon. In the cluster analysis, a tendency showed up, revealing two groups formed by the early and late image dates. It is concluded that images from the ASTER sensor have a significant potential to studies aiming to characterize vineyards and to spectrally discriminate grape varieties.