Orientador: Prof. Dr. Marcelo Zanchetta do Nascimento / Dissertação (mestrado) - Universidade Federal do ABC, Programa de Pós-Graduação em Engenharia da Informação, 2015. / Linfoma é um tipo de tumor que afeta o sistema linfático humano, em que se estima mais de 60 subtipos de canceres distintos, derivados de 2 grandes grupos: Hodgkins e os não Hodgkins (NHL). De difícil classificação e diagnóstico, para a maioria dos casos a biópsia é a única maneira de saber se um nódulo é realmente linfoma. Atualmente a maioria dos sistemas de classificação deste tipo de linfoma é baseada unicamente na avaliação de um especialista através do auxilio de microscópio. Este trabalho tem como objetivo apresentar um método automático para classificar imagens histológicas dos três tipos de linfomas NHL mais recorrentes. Linfoma de celulas do manto (LCM), Linfoma Folicular (LF) e Leucemia Linfoide Cronica (LCM). O método baseia-se na transformada wavelet estacionária (TWE) como extrator de características, a técnica TWD como seletor de atributos e redução de dimensionalidade e a classificação através do classificador SVM com o kernel RBF. Foi utilizado, no trabalho, um banco de 30 lâminas histológicas de linfonodos, proveniente de estudos realizados por pesquisadores do Instituto Nacional do Câncer (National Cancer Institute) e Instituto Nacional do Envelhecimento (National Institute on Aging), nos Estados Unidos. Os experimentos foram realizados com 240 imagens, sendo 70 de cada classe, nos canais de cores do modelo RGB (do Inglês Red, Green and Blue) e níveis de cinza. Foi comparado o desempenho não só entre as subbandas geradas pelas transformada TWE e a transformada wevelet discreta (TWD), mas também entre os canais de cores e os grupos de imagens em classificação binária. Foram utilizadas as métricas de acurácia, sensibilidade e especificidade. Resultados relevantes foram obtidos, entre eles: Acurácia de 97,1%, Sensibilidade de 93% e Especificidade de 94%. / Lymphoma is a type of tumor that affects the human lymphatic system, which is estimated more than 60 different subtypes of cancers, derivatives of 2 large groups: Hodgkins and non-Hodgkins Lymphoma (NHL). Due to difficult classification and diagnosis, for most cases, the biopsy is the only way to tell if a lump is really lymphoma. Currently most of classifications methods for this type of lymphoma are based solely on the evaluation of an expert through the microscope help. This work aims to present an automatic method to classification of histological images of the three types of Lympoma NHL most recurrent Cell Lymphoma Mantle (LCM), Lymphoma Follicular (LF) and Chronic Lymphoid Leukemia (CLL). The method is based on the Transform Wavelet Stationary (TWE) as extracting features, the ANOVA technique as selector attributes and dimensionality reduction and classification by the classifier SVM with RBF kernel. The study used a bank of 30 histological slides of lymph nodes, from studies conducted by researchers from the National Cancer Institute and National Institute on Aging in the United States. The experiments were performed with 240 images (70 of each class), on the channels of the model color RGB and gray levels. Comparing the performance not only between the subbands generated by the SWT and Discrete Wavelet Transform (DWT) but also between the color channels and the classification of binary groups of images. The accuracy, sensitivity and specificity metrics were used. Relevant results as accuracy of 97%, 93% of Sensitivity and 94% of Specificity were obtained.