The main subject of this thesis is to design a method that is able to compare the outputs of a manually set up particle system with a video template of a simulated particle phenomenon. For the sake of simplicity, this work is focused exclusively to smoke effects and its comparisons. Specifically, descriptors depicting the color scheme of the examined input videos are proposed as well as the shape descriptors and time variability descriptors, which are based on the image segmentation method called Alpha Matting. This method is able to distinguish foreground objects from the background, while the foreground objects are described together with their transparency. Video template recordings captured specially for the purpose of this work are included. At the end, the resulting method is supported by an example of the gradually improving smoke effect simulation. Powered by TCPDF (www.tcpdf.org)

This work is focusing on exploration of multimedia collections. It describes the problematic of exploration and proposes new approaches to it, two based on the data structure M-Index and two utilizing multiple similarity models at once. Those approaches were compared using an extensive user study. Part of this work is also devoted to analysis of a new exploration system, design of its architecture, system implementation and its deployment. This exploration system was used in several applications, which are also shown and described in this thesis.

<div>A strongly implicit, nonlinear Crank-Nicolson-based finite-difference scheme was constructed for the numerical study of the self-similar behavior of viscous gravity currents. Viscous gravity currents are low Reynolds number flow phenomena in which a dense, viscous fluid displaces a lighter (usually immiscible) fluid. Under the lubrication approximation, the mathematical description of the spreading of these fluids is reduced to solving a nonlinear parabolic partial differential equation for the shape of the fluid interface. This thesis focuses on the finite-speed propagation of a power-law non-Newtonian current in a variable width channel-like geometry (a "Hele-Shaw cell'') subject to a given mass conservation/balance constraint. The proposed numerical scheme was implemented on a uniform but staggered grid. It is shown to be strongly stable, while possessing formal truncation error that is of second-order in space and it time. The accuracy of the scheme was verified by benchmarking it against established analytical solutions, which were obtained via a first-kind self-similarity transformation. A series of numerical simulations confirmed that the proposed scheme accurately respects the mass conservation/balance constraint. Next, the numerical scheme was used to study the second-kind self-similar behaviour of Newtonian viscous gravity currents flowing towards the end of a converging channel. Second-kind self-similar transformations are not fully specified without further information from simulation or experiment. Thus, using the proposed numerical scheme, the self-similar spreading and leveling leveling of the current was definitively addressed. The numerical results showed favorable comparison with experimental data.</div>

Sistemas de recuperação de imagens por conteúdo (do inglês Content-based ImageRetrieval - CBIR) têm sido cada vez mais utilizados em diversas aplicações de tratamento e análise de imagens, devido a dois fatores: CBIR é um procedimento que pode ser feito automaticamente, permitindo tratar o grande volume de imagens adquiridos em hospitais, e também é a base para o processamento de consultas por similaridade. No contexto médico tais sistemas auxiliam em diversas tarefas, desde treinamento de profissionais até em sistemas de auxílio a diagnóstico (do inglês Computer-Aided Diagnosis - CAD). Um sistema computacional capaz de comparar e classificar imagens obtidas em exames de pacientes utilizando uma base prévia de conhecimento poderia agilizar o atendimento da população e fornecer aos especialistas informações relevantes de forma rápida e simples. Neste trabalho, o foco foi na análise de imagens de úlceras venosas. Foram desenvolvidas duas técnicas para classificação dessas imagens. A primeira, denominada Counting-Labels Similarity Measure (CL-Measure) possuia vantagem de lidar com imagens segmentadas de forma automática, por superpixels, e ser versátil o suficiente para permitir adaptação para outros domínios. A ideia principal do CL-Measure consiste na criação de sub-imagens baseadas em uma classificação prévia, calcular a distância entre elas e agregar as distâncias parciais obtidas a partir de uma função apropriada. A segunda técnica, denominada Quality of Tissues from Dermatological Ulcers(QTDU), faz uso de redes convolucionais (CNNs) para rotulação dos superpixels com a vantagem de compor todo o processo de identificação de características e classificação, dispensando a necessidade de identificar qual o extrator de características mais adequado para o contexto em questão. Experimentos realizados sobre a base de imagens analisada, utilizando 179572 super pixels divididos em 4 classes, indicam que a QTDU é a abordagem mais eficaz até o momento para o contexto de classificação de imagens dermatológicas, com médias de AUC=0,986, sensitividade = 0,97,e especificidade=0,974 superando as abordagens anteriores baseadas em aprendizado de máquina em 11;7% e 8;2% considerando o coeficiente KAPPAeF-Measure, respectivamente. / Content-based Image Retrieval (CBIR) systems have been increasingly used in many image processing and analysis applications because of two factors: CBIR is a procedure that can be done automatically, allowing to handle the large volume of images acquired in hospitals, and it is also the basis for processing similarity queries. In the medical context, such systems assist in various tasks, from training of professionals to develop Computer-Aided Diagnosis CAD systems. A computer system capable of comparing and classifying images obtained from patient exams using a prior knowledge base could expedite the care of the population and provide specialists with relevant information quickly. In this study, the focus was on the analysis of images of venous ulcers. Two techniques were developed to classify these images. The first, called Counting-Labels Similarity Measure (CL-Measure) has the advantage of dealing with automatically segmented images by superpixels, and is versatile enough to allow adaptation to other domains. The main idea of CL-Measure is to create sub-images based on a previous classification, calculate the distance between them and add the partial distances obtained from an appropriate function. The second technique, called Quality of Tissues from Dermatological Ulcers (QTDU), makes use of convolutional networks (CNNs) for superpixels labeling, with the advantage of encompassing the whole process of identification of features and classification, without the need of identifying which extractor would be the best for the context in question. Experiments carried out on the image database using 179,572 superpixels divided into 4 classes, indicate that the QTDU is the most effective approach to date for the context of classification of dermatological ulcer images, with averages of AUC = 0.986, sensitivity = 0.97 , and specificity = 0.974, surpassing previous approaches based on machine learning in 11.7% and 8.2% considering the KAPPA and F-Measure coefficients, respectively.

As florestas na Amazônia tem sido exploradas para a provisão de madeira. A exploração era feita sem planejamento das atividades (Exploração Convencional ou EC), resultando em grandes áreas de florestas degradadas. A partir da década de 90, foram estabelecidas técnicas para minimizar os danos da exploração à vegetação remanescente, visando ciclos sequenciais de corte, sem prejuízo à produção, através da Exploração de Impacto Reduzido (EIR). Embora muito tenha sido discutido sobre o quão mais eficiente a EIR seja em relação a EC, ainda existem lacunas, principalmente acerca da organização e manutenção da diversidade dessas áreas. A exploração é, de maneira muito resumida, o corte de algumas árvores de interesse comercial e a morte acidental de outras árvores que não as de interesse, pela queda e arraste das toras, construção das estradas e dos pátios de estocagem. As clareiras formadas, em geral, são maiores que as que ocorrem naturalmente na floresta. Essas clareiras são ocupadas por espécies de rápido crescimento, potencialmente mudando a organização da comunidade. Assim, são necessárias abordagens para detectar e então caracterizar quais os impactos que a exploração tem na diversidade de comunidades arbóreas. É importante ressaltar que muitas decisões sobre a sustentabilidade do manejo são tomadas considerando como essas comunidades respondem a distúrbios. Diante do apresentado, esta tese teve como objetivo analisar a dinâmica da diversidade de florestas submetidas à exploração florestal. A distribuição de abundância entre espécies (DAE) é uma abordagem paramétrica para caracterização de comunidades, baseada em um dos poucos padrões que se mantem em todas as comunidades: muitas espécies raras e poucas espécies abundantes, sendo também o reflexo de como as espécies partilham recursos. Distúrbios mudam a identidade das espécies dominantes, podendo ser refletido em alterações nos parâmetros e/ou curvas da DAE. Nós analisamos a DAE de áreas submetidas ao manejo florestal (EIR e EC) e uma área Controle, antes do manejo e ao longo de 16 anos em Paragominas, Pará, Brasil. Antes da exploração, em 1993, foram estabelecidas três parcelas permanentes, onde os indivíduos arbóreos com DAP &ge; 25 cm foram cadastrados. Indivíduos menores (DAP &ge; 10 cm) foram mensurados em sub-parcelas. Após essa primeira medição, foi conduzida exploração em duas parcelas (EIR e EC) e a terceira parcela foi mantida como Controle. As parcelas foram medidas novamente em 1994, 1998, 2000, 2006 e 2009. Para testar se a DAE muda devido ao manejo, usamos a distribuição Poisson Lognormal (PLN) para descrever cada ano e cada tratamento. Para detectar mudanças na similaridade, em termos de composição de espécies e abundância relativa de cada espécie, nós usamos o parâmetro de correlação da PLN bivariada para comparar a comunidade antes da exploração com os outros anos. Ao contrário do esperado, não foram encontradas mudanças estatisticamente relevantes nos parâmetros da DAE ao longo do tempo em nenhum dos três tratamentos. Entretanto o parâmetro de correlação diminui para a comunidade com o menor critério de inclusão de DAP, nas últimas medições das áreas exploradas. Nós também analisamos a DAE dessas mesmas áreas considerando como medida de abundância a área basal de cada espécie. Não foram encontradas mudanças relvantes na DAE, apenas diminuição do parâmetro de correlação. Embora o manejo tenha resultado na diminuição de até 22% dos indivíduos e 27% da área basal, ele não é imediatamente detectado na DAE pois as mortes acidentais são a maioria no manejo. Para cada árvore explorada, em média 19 árvores com DAP &ge; 10 cm são mortas acidentalmente. Essa morte acidental é de certa forma independente da espécie, assim todas as espécies tem suas abundâncias diminuídas. A distribuição PLN considera os efeitos da amostragem através do processo Poisson, então mesmo que a porcentagem de indivíduos mortos fosse maior, dificilmente seria detectável na DAE. No entanto, a diminuição do parâmetro de correlação ao longo do tempo nas áreas exploradas é devido ao aumento da abundância e da área basal de espécies de rápido crescimento como as do gênero Cecropia. A DAE da Ilha de Barro Colorado (BCI), Panamá, também foi analisada (28 anos de medições, DAP &ge; 1 cm). Nós dividimos o conjunto de dados em quatro critérios de inclusão de DAP (1, 10, 25 e 45 cm). Visto que a área não é submetida a grandes distúrbios e, como era esperado, não foram encontradas mudanças relevantes nem na DAE nem na identidade das espécies dominantes. Muitos indivíduos morreram durante esse período, devido a elevada mortalidade, comum para árvores pequenas (DAP < 10 cm), e outra grande parcela da comunidade não atingiu os critérios de DAP que geralmente são amostrados (10, 25 e 45 cm). Mesmo os indivíduos considerados ingressantes, de acordo com esses critérios, já estavam presentes na parcela na primeira medição, apenas eram menores que esses critérios. Diante do apresentado, um distúrbio pode demorar décadas para aparecer nas classes de DAP que geralmente são amostradas, por exemplo DAP &ge; 10 cm. Assim, reiteramos que efeito ou falta de efeito de distúrbios na diversidade de comunidades arbóreas deve ser interpretado com muita cautela. / Amazon tropical forests in Brazil have been exploited for the provisioning of timber, mainly using conventional logging (CL) practices. Little operational planning has been considered and, as a result, large forest areas in the Amazon have become highly degraded over time. Since the 1990\'s, reduced impact logging (RIL) has been adopted as a means of reducing the damage caused by timber exploitation and of establishing more sustainable practices, trying to make sequential logging cycles possible. Much has been discussed about the higher efficiency of RIL or CL, but there are still important knowledge gaps, mainly regarding tree diversity and forest functioning in logged areas. The logging of commercial species and the accidental death of non-targeted trees may alter environmental conditions, leading to higher abundance of some species and to the reduction of others, thus modifying forest structure and diversity. These changes promoted by exploitation have a signature in the structure of the remaining community and tracking them at the community level is still a great challenge, but important decisions are mainly taken considering tree diversity. The development of tools is crucial to quantify the effects of disturbance and to predict its consequence over communities. The main goal of this thesis was to analyze the temporal dynamics of tree diversity in the context of forest management. Species abundance distribution models (SAD) are a parametric approach, based on the most strong pattern in community ecology: few species have high abundance and rarity is the rule. It is also independent of sampling size and related to how species share resources. Species dominance change as a result of disturbances, and these changes may be detectable by changes on the parameters and/or curves of the SAD. We used inventory data from three permanent plots established in 1993 in Paragominas, Pará, Brazil. All the trees with Diameter at Breast Height (DBH) &ge; 25 cm were determined and measured and smaller individuals were measured within subplots (DBH &ge; 10 cm). After this first survey, we harvested two plots using different techniques (RIL and CL) and a third plot was kept as Control. The plots were surveyed again in 1994, 1998, 2000, 2006 and 2009. To test if it is possible to detect changes in the SAD due to logging we used the Poisson Lognormal distribution (PLN) to describe the data from each year. To detect changes in species similarity, we compared species composition and abundance over time, using the correlation parameter of the bivariate PLN. We compared the same plots in 1993 (before exploitation) and in the years that followed. We observed no relevant changes in SAD, but only small changes in the correlation parameter in the last surveys. We also analyzed species\' basal area distribution, and found no statistically relevant changes apart from small changes in the correlation parameter in harvested areas. After exploitation, we observed a reduction of as much as 22 % of the number of trees and 27% of the basal area, and mortality was mainly attributed to the accidental death of non-targeted trees. For each tree harvested, an average 19 trees died accidentally. Because of the dominant role of these random accidental deaths, the signature of management operations could not be detected immediately after logging, using SAD or the correlation parameter. Since SAD models consider sampling effects (Poisson process), any disturbance which causes the random death of trees may not be detected in the short run. However, the start of small changes could be noticed within a couple of decades. The relative abundance of some species has been altered in exploited forests, which was detected by changes in the correlation parameter. Pioneer species of the genus Cecropia have become the most abundant trees in the last survey, considering DBH &ge; 10 cm. We also evaluated species abundance distribution in the Barro Colorado Island, Panama (28 years, DBH &ge; 1 cm). We established four different inclusion criteria (DBH 1, 10, 25 and 45). The area was not subject to major disturbances and, as expected, we observed no relevant changes in the SAD during this period. A large number of individuals died during this period, due to the high mortality common to small trees (DBH &ge; 10 cm), and many others have not reached the used inclusion criteria (10, 25 and 45 cm). Using these inclusion criteria, we showed that the community recruited during this period was already present in the forest in the first survey, but those trees just did not reach the size to be measured. Therefore, a recent disturbance may take decades to be detected within the DBH classes usually sampled. We highlight the role of time scale in the interpretation of tree diversity dynamics.

Um dos grandes desafios em mineração de dados é a integração de dados temporais ao seu processo. Existe um grande número de aplicações emergentes que envolvem dados temporais, incluindo a identificação de transações fraudulentas em cartões de crédito e ligações telefônicas, a detecção de intrusão em sistemas computacionais, a predição de estruturas secundárias de proteínas, a análise de dados provenientes de sensores, entre muitas outras. Neste trabalho, tem-se interesse na classificação de séries temporais que representam sinais de áudio. Como aplicação principal, tem-se interesse em classificar sinais de insetos coletados por um sensor óptico, que deve ser capaz de contar e classificar os insetos de maneira automática. Apesar de serem coletados opticamente, os sinais capturados se assemelham a sinais de áudio. O objetivo desta pesquisa é comparar métodos de classificação por similaridade e por extração de atributos que possam ser utilizados no contexto da classificação de insetos. Para isso, foram empregados os principais métodos de classificação de sinais de áudio, que têm sido propostos para problemas como reconhecimento de instrumentos musicais, fala e espécies animais. Neste trabalho, é mostrado que, de modo geral, a abordagem por extração de atributos é mais eficaz do que a classificação por similaridade. Mais especificamente, os melhores resultados são obtidos com a utilização de coeficientes mel-cepstrais. Este trabalho apresenta contribuições significativas em outras aplicações, também relacionadas à análise de séries temporais e sinais de áudio, por similaridade e por extração de atributos / One of the major challenges in data mining is the integration of temporal data to its process. There are a number of emerging applications that involve temporal data, including fraud detection in credit card transactions and phone calls, intrusion detection in computer systems, the prediction of secondary structures of proteins, the analysis of data from sensors, and many others. In this work, our main interest is the classification of time series that represent audio signals. Our main interest is an application for classifying signals of insects collected from an optical sensor, which should count and classify insects automatically. Although these signals are optically collected, they resemble audio signals. The objective of this research is to compare classification methods based on similarity and feature extraction in the context of insects classification. For this purpose, we used the main classification methods for audio signals, which have been proposed for problems such as musical instrument, speech and animal species recognition. This work shows that, in general, the approach based on feature extraction is more accurate than the classification by similarity. More specifically, the best results are obtained with mel-frequency cepstrum coefficients. This work also presents significant contributions in other applications, also related to the analysis of time series and audio signals by similarity and feature extraction

Os Sistemas de Gerenciamento de Bases de Dados (SGBD) foram desenvolvidos para armazenar e recuperar de maneira eficiente dados formados apenas por números ou cadeias de caracteres. Entretanto, nas últimas décadas houve um aumento expressivo, não só da quantidade, mas da complexidade dos dados manipulados em bases de dados, dentre eles os de natureza multimídia (como imagens, áudio e vídeo), informações geo-referenciadas, séries temporais, entre outros. Assim, surgiu a necessidade do desenvolvimento de novas técnicas que permitam a manipulação eficiente de tipos de dados complexos. Para atender às buscas necessárias às aplicações de base de dados modernas é preciso que os SGBD ofereçam suporte para buscas por similaridade ? consultas que realizam busca por objetos da base similares a um objeto de consulta, de acordo com uma certa medida de similaridade. Outro fator importante que veio contribuir para a necessidade de suportar a realização de consultas por similaridade em SGBD está relacionado à integração de técnicas de mineração de dados. É fundamental para essa integração o fornecimento de recursos pelos SGBD que permitam a realização de operações básicas para as diversas técnicas de mineração de dados existentes. Uma operação básica para várias dessas técnicas, tais como a técnica de detecção de agrupamentos de dados, é justamente o cálculo de medidas de similaridade entre pares de objetos de um conjunto de dados. Embora haja necessidade de fornecer suporte para a realização desse tipo de consultas em SGBD, o atual padrão da linguagem SQL não prevê a realização de consultas por similaridade. Esta tese pretende contribuir para o fornecimento desse suporte, incorporando ao SQL recursos capazes de permitir a realização de operações de consulta por similaridade sobre grandes bases de dados complexos de maneira totalmente integrada com os demais recursos da linguagem / Database Management Systems (DBMS) were developed to store and efficiently retrieve only data composed by numbers and small strings. However, over the last decades, there was an expressive increase in the volume and complexity of the data being managed, such as multimedia data (images, audio tracks and video), geo-referenced information and time series. Thus, the need to develop new techniques that allow the efficient handling of complex data types also increased. In order to support these data and the corresponding applications, the DBMS needs to support similarity queries, i.e., queries that search for objects similar to a query object according to a similarity measure. The need to support similarity queries in DBMS is also related to the integration of data mining techniques, which requires the DBMS acting as the provider for resources that allow the execution of basic operations for several existing data mining techniques. A basic operation for several of these techniques, such as clustering detection, is again the computation of similarity measures among pairs of objects of a data set. Although there is a need to execute these kind of queries in DBMS, the SQL standard does not allow the specification of similarity queries. Hence, this thesis aims at contributing to support such queries, integrating to the SQL the resources capable to execute similarity query operations over large sets of complex data

Entender os processos responsáveis pela origem e manutenção da diversidade de espécies nas comunidades representa uma questão central em ecologia. Dos inúmeros processos aventados para explicar a diversidade de organismos, podemos destacar o filtro ambiental e a limitação de similaridade. O filtro ambiental atua restringindo a variação e a distribuição dos organismos em determinado ambiente, enquanto que a limitação de similaridade atua pressionando a diferenciação das características dos organismos, uma vez que a coexistência entre os indivíduos depende da divergência na utilização dos recursos. A abordagem funcional tem sido utilizada para testar os processos responsáveis pela coexistência de espécies e consiste na comparação da similaridade funcional entre as espécies de uma comunidade através da quantificação dos seus atributos. A combinação de diferentes atributos em um organismo define a sua estratégia ecológica e, consequentemente, a sua distribuição nos habitats. As florestas de restingas são ambientes propícios para testar as hipóteses de coexistência das espécies nas comunidades, por apresentarem gradientes ambientes bem marcados e que definem a disponibilidade de recursos. Nesse sentido, este trabalho teve como objetivo avaliar: i) o efeito da condição edáfica (seco e alagado) sobre os atributos funcionais e as estratégias ecológicas de espécies arbóreas de restinga alta e; ii) o efeito que os atributos funcionais e as estratégias ecológicas têm sobre a preferência de habitat pelas plantas. Realizamos este trabalho em uma área de restinga alta na Ilha do Cardoso (SP) que compreende dois tipos de solo: seco e alagado. Coletamos cinco atributos funcionais (área foliar, área foliar específica, espessura foliar, conteúdo de matéria seca foliar e densidade da madeira) de 44 espécies arbóreas. Selecionamos 30 indivíduos de cada espécie sendo 15 em cada tipo de solo. Utilizamos seleção de modelos para as análises estatísticas, sendo usados modelos lineares mistos e modelos lineares simples para avaliar o efeito do solo nos valores médios e na variação dos atributos e das estratégias ecológicas, respectivamente. Encontramos efeito do solo sobre os coeficientes de variação (CV) do conteúdo de matéria seca foliar (CMSF) e da área foliar específica (AFE), sendo maiores no solo alagado. No caso do CV da AFE, o efeito só foi significativo quando excluímos as palmeiras das análises. Não encontramos efeito do solo sobre a variação dos demais atributos funcionais, das estratégias ecológicas e tampouco do tipo de estratégia ecológica. Os resultados encontrados apontam que no ambiente alagado, a limitação de similaridade seja o processo preponderante na estruturação dessa comunidade. Tal resultado difere dos reportados por outros estudos em florestas tropicais. Não encontramos efeito dos atributos e das estratégias ecológicas sobre a preferência de habitat das espécies, com exceção do CV de CMSF e de AFE. Novamente, no caso do CV de AFE, o efeito só foi significativo quando excluímos Euterpe edulis (palmito-juçara) das análises. Este resultado reforça a importância da plasticidade fenotípica para definir a ocorrência das espécies em diferentes habitats / Understanding the processes underlying the origin and maintenance of species diversity in communities is a central goal in ecology. Among the numerous processes proposed to explain the organisms\' diversity, we can highlight environmental filter and limiting similarity. Environmental filter operates by restricting the variation and distribution of organisms in a given environment, while the process of limiting similarity acts by pressing differentiation in the organisms\' characteristics, because the coexistence of individuals depends on difference in resource utilization. The functional approach has been used to test the processes responsible for species coexistence and consists in the comparison of species functional similarities in a community through their traits. The combination of different traits in an organism defines its ecological strategy and, therefore, their distribution on habitats. Restinga forests are suitable to test species coexistence hypotheses in communities, because it presents a well marked environmental gradient, which is defined by resource availability. Thus, this study aimed to evaluate: i) the effect of soil condition (drained and flooded) on functional traits and on ecological strategies of restinga trees species and, ii) the effect of functional traits on plant´s habitat preference. We conducted this study in an area of high restinga at Cardoso Island (SP), which comprises two soil types: drained and flooded. We collected five functional traits (leaf area, specific leaf area, leaf thickness, leaf dry matter content and wood density) of 44 tree species. We selected 30 individuals of each species, 15 in each soil type. We used model selection for statistical analyses, being linear models to assess soil type effect on trait and ecological strategies variances and linear mixed models to assess ecological strategies mean values. We found soil effect on the coefficients of variation of leaf dry matter content (LDMC) and of specific leaf area (SLA), which was higher in the flooded soil. In the case of SLA coefficient of variance, the effect was only significant when we excluded the palms from analyses. We found no soil effect on the other functional traits and on ecological strategies variation, neither on ecological strategy type. As for the results, it was found that in the flooded soil, limiting similarity is the dominant process structuring this community. This result differs from those reported by other tropical forests researches. We found no effect of traits and ecological strategies on habitat species preference, with the exception of LDMC and SLA coefficients of variations. Again, for SLA coefficient of variation, the effect was only significant when we exclude Euterpe edulis (juçara palm) from analyses. This result reinforces the importance of phenotypic plasticity to define species occurrence in different habitats

Consultas por similaridade constituem um paradigma de busca que fornece suporte à diversas tarefas computacionais, tais como agrupamento, classificação e recuperação de informação. Neste contexto, medir a similaridade entre objetos requer comparar a distância entre eles, o que pode ser formalmente modelado pela teoria de espaços métricos. Recentemente, um grande esforço de pesquisa tem sido dedicado à inclusão de consultas por similaridade em Sistemas Gerenciadores de Bases de Dados (SGBDs), com o objetivo de (i) permitir a combinação de comparações por similaridade com as comparações por identidade e ordem já existentes em SGBDs e (ii) obter escalabilidade para grandes bases de dados. Nesta tese, procuramos dar um próximo passo ao estendermos também o otimizador de consultas de um SGBD. Em particular, propomos a ampliação de dois módulos do otimizador: o módulo de Espaço de Distribuição de Dados e o módulo de Modelo de Custo. Ainda que o módulo de Espaço de Distribuição de Dados permita representar os dados armazenados, essas representações são insuficientes para modelar o comportamento das comparações em espaços métricos, sendo necessário estender este módulo para contemplar distribuições de distância. De forma semelhante, o módulo Modelo de Custo precisa ser ampliado para dar suporte à modelos de custo que utilizem estimativas sobre distribuições de distância. Toda a investigação aqui conduzida se concentra em cinco contribuições. Primeiro, foi criada uma nova sinopse para distribuições de distância, o Histograma Compactado de Distância (CDH), de onde é possível inferir valores de seletividade e raios para consultas por similaridade. Uma comparação experimental permitiu mostrar os ganhos das estimativas da sinopse CDH com relação à diversos competidores. Também foi proposto um modelo de custo baseado na sinopse CDH, o modelo Stockpile, cujas estimativas se mostraram mais precisas na comparação com outros modelos. Os Histogramas-Omni são apresentados como a terceira contribuição desta tese. Estas estruturas de indexação, construídas a partir de restrições de particionamento de histogramas, permitem a execução otimizada de consultas que mesclam comparações por similaridade, identidade e ordem. A quarta contribuição de nossa investigação se refere ao modelo RVRM, que é capaz de indicar quanto é possível empregar as estimativas das sinopses de distância para otimizar consultas por similaridade em conjuntos de dados de alta dimensionalidade. O modelo RVRM se mostrou capaz de identificar intervalos de dimensões para os quais essas consultas podem ser executadas eficientes. Finalmente, a última contribuição desta tese propõe a integração das sinopses e modelos revisados em um sistema com sintaxe de alto nível que pode ser acoplado em um otimizador de consultas. / Similarity searching is a foundational paradigm for many modern computer applications, such as clustering, classification and information retrieval. Within this context, the meaning of similarity is related to the distance between objects, which can be formally expressed by the Metric Spaces Theory. Many studies have focused on the inclusion of similarity search into Database Management Systems (DBMSs) for (i) enabling similarity comparisons to be combined with the DBMSs identity and order comparisons and (ii) providing scalability for very large databases. As a step further, we propose the extension of the DBMS Query Optimizer and, particularly, the extension of two modules of the Query Optimizer, namely Data Distribution Space and Cost Model modules. Although the Data Distribution Space enables representations of stored data, such representations are unsuitable for modeling the behavior of similarity comparisons, which requires the extension of the module to support distance distributions. Likewise, the Cost Model module must be extended to support cost models that depend on distance distributions. Our study is based on five contributions. A new synopsis for distance distributions, called Compact-Distance Histogram (CDH), is proposed and enables radius and selectivity estimation for similarity searching. An experimental comparison showed the gains of the estimates drawn from CDH in comparison to several competitors. A cost model based on the CDH synopsis and with accurate estimates, called Stockpile, is also proposed. Omni-Histograms are presented as the third contribution of the thesis. Such indexing structures are constructed according to histogram partition constraints and enable the optimization of queries that combine similarity, identity and order comparisons. The fourth contribution refers to the model RVRM, which indicates the possible use of the estimates obtained from distance-based synopses for the query optimization of high-dimensional datasets and identifies intervals of dimensions where similarity searching can be efficiently executed. Finally, the thesis proposes the integration of the reviewed synopses and cost models into a single system with a high-level language that can be coupled to a DBMS Query Optimizer.

A integração de diferentes modalidades de imagens médicas possibilita uma análise mais detalhada de seu conteúdo, visando-se um diagnóstico mais preciso da patologia presente. Este processo, conhecido como corregistro, busca o alinhamento das imagens através da transformação rígida (ou não rígida) das mesmas, por algoritmos matemáticos de distorção, translação, rotação e ajuste de escala. A amplitude de cada transformação é determinada por uma medida de similaridade das imagens. Quanto menor a similaridade, maior será a transformação aplicada. Neste sentido, a métrica de similaridade é uma peça chave do processo de corregistro. No presente trabalho, inicialmente são propostas novas definições para o cálculo dos erros de alinhamento nas transformações de translação, rotação e escala, com o objetivo de se avaliar o desempenho do corregistro. Em seguida, cinco experimentos são realizados. No primeiro, a Informação Mútua Generalizada é avaliada como medida de similaridade para corregistro em imagens fractais e cerebrais. Neste caso, os resultados sugerem a viabilidade do emprego desta métrica, pois em geral conduz a erros de alinhamento muito pequenos, mas sem vantagens aparentes em relação à formulação de Shannon. No segundo experimento, um estudo comparativo entre a Informação Mútua e as métricas clássicas (Coeficiente de Correlação, Média dos Quadrados, Diferença de Gradiente e Cardinalidade) é então realizado. Para as imagens binárias analisadas, as métricas com menores valores de erro de alinhamento para os corregistros de translação e rotação foram a Informação Mútua e a Diferença de Gradiente. Para o corregistro de escala, todas as métricas conduziram a erros de alinhamento próximos de zero. No terceiro experimento, o processo de alinhamento é investigado em termos do número de iterações do algoritmo de corregistro. Considerando-se ambas as variáveis erro de alinhamento e número de iterações, conclui-se que o uso da Informação Mútua Generalizada com q = 1.0 é adequado ao corregistro. No quarto experimento, a influência da dimensão fractal no corregistro de imagens fractais binárias foi estudada. Para algumas métricas, a tendência geral observada é a de uma diminuição do erro de alinhamento em resposta ao aumento da dimensão fractal. Finalmente, no quinto experimento, constatou-se a existência de correlação linear entre os erros de alinhamento de imagens em tons de cinza do córtex cerebral e de fractais do conjunto Julia. / The integration of different modalities of medical images provides a detailed analysis of its contents, aiming at a more accurate diagnosis of the pathology. This process, known as coregistration, seeks to align the images through rigid (or non-rigid) transformations, by mathematical algorithms of distortion, translation, rotation and scaling. The amplitude of each transformation is determined by a similarity measure of the images. The lower the similarity, the greater the transformation applied. In this sense, the similarity metric is the key for the coregistration process. In this work, new definitions are proposed for the calculation of alignment errors in the transformations of translation, rotation and scale, with the objective of evaluating the performance of coregistration. Then, five experiments are performed. In the first one, the Generalized Mutual Information is evaluated as a similarity measure for coregistration of brain images and fractals. In this case, the results suggest the feasibility of using this measure, since it leads to very small alignment errors, although no advantages in relation to Shannon formulation are evident. In the second experiment, a comparative study between Mutual Information and the classical metrics (Correlation Coefficient, Mean Squares, Gradient Difference and Cardinality) is performed. For the binary images analyzed, the metrics with lower alignment errors for translation and rotation are the Mutual Information and Gradient Difference. For scaling transformation, all the metrics lead to alignment errors close to zero. In the third experiment, the alignment process is investigated in terms of number of iterations of the coregistration algorithm. Considering both variables alignment error and number of iterations, it is concluded that the use of Generalized Mutual Information with q =1 is appropriate for coregistration. In the fourth experiment, it is studied the influence of fractal dimension in coregistration of binary fractal images. For some metrics, as a general trend, one observes the decay of the alignment error in response to the increase of the fractal dimension. Finally, in the fifth experiment, the results indicate the existence of a linear correlation between the alignment errors of grayscale images of the cerebral cortex and Julia set fractals.