[pt] O produto tensorial é o formalismo adequado para desenvolver a técnica de separação de variáveis em sua generalidade. São estudadas representações tensoriais decompostas de transformações lineares e algumas aplicações recentes em análise numérica (o algoritmo de Beylkin). Os exemplos tratam da discretização do laplaciano em malhas retangulares, suas propriedades espectrais e seu cálculo funcional, com ênfase na função sinal. / [en] Separation of variables is adequately understood and extended by making use of tensor products. We consider linear transformations admitting tensor decompositions and some recent applications in numerical analysis (Beylkin s algorithm). The examples concern the discretization of the Laplacian on rectangular meshes, its spectral properties and functional calculus, with emphasis on its sign function.

Inspired by the pectoral flippers of the humpback whale, the use of spanwise waviness in wings has been considered in the literature as a possible way of delaying the stall, and possibly also reducing the drag coefficient, allowing for improved aerodynamic characteristics. In order to provide a better understanding of this flow control mechanism, the present work investigates numerically the effect of the waviness on the flow around infinite wings with a NACA0012 profile. The study consists of direct numerical simulations employing the spectral/hp method, which is available through the nektar++ library. Considering the high computational cost of the simulations performed, several improvements were introduced to the method, making it more efficient and allowing higher Reynolds numbers to be analysed. These improvements to the method include a coordinate transformation technique to treat the waviness, changes to the parallelism strategy, and an adaptive polynomial order refinement procedure. Initially, simulations were performed for a very low value of the Reynolds number Re = 1, 000, allowing the three-dimensional flow structures to be observed in de- tail. In this case, the results show that the waviness leads to a decrease in the lift-to-drag ratio, accompanied by a strong reduction in the fluctuations of the lift force. The reduction in the lift-to-drag ratio is the combined effect of lower drag and lift forces, and is associated with a regime where the flow remains attached behind the peaks of the leading edge while there are distinct regions of flow separation behind the troughs. Then, simulations with Re = 10, 000 were considered. For high angles of attack, the results for this case are similar to the lower Re, with the waviness leading to separation behind the troughs and reducing both the lift and the drag. However, for a lower angle of attack the waviness leads to a large increase in the lift coefficient. This was observed to be related to the fact that flow around the straight wing is laminar in this case, with the waviness inducing transition to a turbulent state. Finally, the case Re = 50, 000 was considered, with the results showing a good agreement with experiments presented in the literature. / Inspirado na nadadeira peitoral da baleia jubarte, o uso de ondulações ao longo da envergadura de asas tem sido considerado na literatura como uma possível maneira de atrasar o estol, e possivelmente também reduzir o arrasto, levando a melhores características aerodinâmicas. Com o objetivo de obter um melhor entendimento desse mecanismo de controle do escoamento, o presente trabalho investiga numericamente o efeito de ondulações no escoamento ao redor de asas infinitas com o perfil NACA0012. O estudo consiste de simulações diretas do escoamento usando o método espectral/hp, que está disponível através da biblioteca nektar++. Considerando o alto custo computacional das simulações realizadas, diversas melhorias foram introduzidas no método, tornando-o mais eficiente e permitindo que números de Reynolds mais elevados fossem analisados. Essas melhorias ao método incluem uma técnica de mudança de coordenadas para tratar a ondulação, mudanças na estratégia de paralelismo e um procedimento de refinamento usando ordem polinomial variável. Inicialmente, simulações foram realizadas para um número de Reynolds muito baixo Re = 1, 000, o que permitiu observar as estruturas tridimensionais do escoamento em detalhe. Nesse caso, os resultados mostram que a ondulação leva a uma diminuição da razão sustentação-arrasto, combinada com uma forte redução das flutuações da força de sustentação. A redução da razão sustentação-arrasto é consequência de uma combinação de arrasto e sustentação mais baixos e está associada a um regime no qual o escoamento permanece colado atrás dos picos do bordo de ataque, enquanto que regiões distintas de escoamento separado estão presentes atrás dos vales. Em seguida, simulações com Re = 10, 000 foram consideradas. Para ângulos de ataque elevados, os resultados neste caso são similares àqueles com Re mais baixo, com a ondulação levando a separação atrás dos vales e provocando reduções na sustentação e no arrasto. No entanto, para um ângulo de ataque mais baixo a ondulação leva a um grande aumento na força de sustentação. Foi observado que isso está relacionado ao fato de que o escoamento ao redor da asa lisa é laminar neste caso, com a ondulação induzindo a transição para um estado turbulento. Finalmente, o caso Re = 50, 000 foi considerado, com os resultados apresentando uma boa concordância com experimentos apresentados na literatura.

Neste trabalho buscamos caracterizar o espectro de uma classe de operadores bloco--Jacobi limitados definidos em $l^2(\\Lambda,\\mathbb{C}^L)$ ($\\Lambda: \\mathbb{Z}_+\\times\\{0,1,\\ldots,L-1\\}$ representa uma faixa de largura $L\\ge 2$ no semi--plano $\\mathbb{Z}_+^2$) e sujeitos a perturbações esparsas (no sentido que as distâncias entre as ``barreiras\'\' crescem geometricamente à medida que estas se afastam da origem) distribuídas aleatoriamente. Tais operadores são construídos a partir da soma de Kronecker de matrizes de Jacobi $J$, cada qual atuando em uma direção do espaço. Demonstramos, por meio da bloco--diagonalização do operador, que %o estudo de suas principais propriedades espectrais dependem da %se limita à caracterização da ``medida de mistura\'\' $\\frac{1}{L}\\sum_{j=0}^{L-1}\\mu_j$, $\\mu_j$ a medida espectral associada à matriz de Jacobi $J^j=J+2\\cos(2\\pi j/L)I $. Para tanto, buscamos primeiramente caracterizar cada uma das medidas $\\mu_j$, explorando e aperfeiçoando algumas técnicas bastante conhecidas no estudo de operadores esparsos unidimensionais. Demonstramos, por exemplo, que a seqüência de ângulos de Prüfer (variáveis que, juntamente com os raios de Prüfer, parametrizam as soluções da equação de autovalores) é uniformemente distribuída no intervalo $[0,\\pi)$, o %que %resultado que nos permite determinar o comportamento assintótico médio das soluções da equação de autovalores. Tal resultado, aliado às técnicas desenvolvidas por Marchetti \\textit{et. al.} em \\cite{MarWre} e a uma adaptação dos critérios de Last e Simon \\cite{LS} para operadores esparsos, nos permitem demonstrar a existência de uma transição aguda (pontual) entre os espectros singular--contínuo e puramente pontual. Empregamos em seguida os resultados de Jitomirskaya e Last presentes em \\cite{JitLast} e obtemos a dimensão Hausdorff exata associada à medida $\\mu_j$, dada por $\\alpha_j=1+\\frac{4(1-p^2)^2}{p^2(4- (\\lambda-2\\cos(2\\pi j/L))^2)}$ ($\\lambda\\in[-2,2]$), recuperando um resultado análogo obtido por Zlato\\v s em \\cite{Zla}. Por fim, adaptamos tais resultados à situação da medida de mistura associada à matriz bloco--Jacobi, obtendo $\\alpha=\\min_{j\\in\\mathcal{I}(\\lambda)}\\alpha_j$, $\\mathcal{I}(\\lambda):\\{m \\in\\{0,1,\\ldots,L-1\\}:\\lambda\\in[-2+2\\cos(2\\pi j/L),2+2\\cos(2\\pi j/L)]\\}$, como sua dimensão Hausdorff exata. Estudamos modelos idênticos com esparsidades sub e super-geométricas, obtendo na primeira situação um espectro puramente pontual (de dimensão Hausdorff nula) e na segunda um espectro puramente singular--contínuo (de dimensão Hausdorff 1). Finalmente, verificamos a existência de transição entre os espectros puramente pontual e singular--contínuo em um modelo com esparsidade super-geométrica cuja dimensão Hausdorff associada à medida espectral é nula. / In this work we attempt to caracterize the spectrum of a class of limited block--Jacobi operators defined in $l^2(\\Lambda,\\mathbb{C}^L)$ ($\\Lambda: \\mathbb{Z}_+\\times\\{0,1,\\ldots,L-1\\}$ represents a strip of width $L\\ge 2$ on the semi--plane $\\mathbb{Z}_+^2$) subject to a sparse perturbation (which means that the distance between the ``barries\'\' grow geometrically with their distance to the origin) randomly distributed. Such operators are defined as Kronecker sums of unidimensional Jacobi matrices $J$, each one acting in different directions of the space. We prove, by means of a block--diagonalization of the operator, that %the study of its most relevant spectral properties depend on %is related to the caracterization of the ``mixture measure\'\' $\\frac{1}{L}\\sum_{j=0}^{L-1}\\mu_j$, $\\mu_j$ the spectral measure of the Jacobi matrix $J^j=J+2\\cos(2\\pi j/L)I$. For this, we must characterize at first each one of the measures $\\mu_j$, exploiting and improving some well known techniques developed in the study of unidimensional sparse operators. We prove, for instance, that the sequence of Prüfer angles (variables which parametrize the solutions of the eigenvalue equation) are uniform distributed on the interval $[0,\\pi)$, a result which gives us condition to determine the average asymptotic behavior of the solutions of the eigenvalue equation. Such result, in association with the techniques developed by Marchetti \\textit{et. al.} in \\cite{MarWre} and with an adaptation of Last--Simon \\cite{LS} criteria for sparse operator, permit us to prove the existence of a sharp transition between singular continuous and pure point spectra. Following on, we use the results from Jitomirskaya--Last of \\cite{JitLast} and obtain the exact Hausdorff dimension of the measure $\\mu_j$, given by $\\alpha_j=1+\\frac{4(1-p^2)^2}{p^2(4-(\\lambda-2\\cos(2\\pi j/L))^2)}$ ($\\lambda\\in[- 2,2]$), recovering an analogous result due to Zlato\\v s in \\cite{Zla}. At last, we adapt these results to the mixture measure of the block--Jacobi matrix, obtaining $\\alpha=\\min_{j\\in\\mathcal{I}(\\lambda)}\\alpha_j$, $\\mathcal{I}(\\lambda):\\{m \\in\\{0,1,\\ldots,L-1\\}:\\lambda\\in[-2+2\\cos(2\\pi j/L),2+2\\cos(2\\pi j/L)]\\}$, as its exact Hausdorff dimension. We study as well identical models with sub and super geometric sparsities conditions, obtaining a pure point spectrum (with null Hausdorff dimension) in the first case, and a purely singular continuous spectrum (such that its Hausdorff dimension is 1) in the second. Finally, we prove the existence of a transition between pure point and singular continuous spectra in a model with sub--geometric sparsity whose Hausdorff dimension related to the spectral measure is null.

O objetivo principal desta dissertação é apresentar o fluxo espectral de um caminho de operadores de Fredholm auto-adjuntos em um espaço de Hilbert e suas propriedades. Pelos resultados clássicos de teoria espectral, sabemos que se H é um espaço de Hilbert e L : H &#8594 H é um operador linear, limitado e auto-adjunto, H pode ser escrito como soma direta ortogonal H+(L)&#8853 H-(L)&#8853 Ker L, onde H+(L) e H-(L) são os subespaços espectrais positivo e negativo de L, respectivamente. No trabalho damos uma definição de fluxo espectral baseada na decomposição acima, aprofundando as conexões deste conceito com a teoria espectral dos operadores de Fredholm em espaços de Hilbert. Entre as propriedades do fluxo espectral, será analisada a invariância homotópica que se apresenta em várias formas. Veremos o conceito de índice de Morse relativo, que estende o clássico índice de Morse, e sua relação com o fluxo espectral. A construção do fluxo espectral dada neste trabalho segue a abordagem de P. M. Fitzpatrick, J. Pejsachowicz e L. Recht em [9]. / The main purpose of this dissertation is to present the spectral flow of a path of selfadjoint Fredholm operators in a Hilbert space and its properties. By classical results in spectral theory, we know that, if H is a Hilbert space and L : H &#8594 H is a bounded self-adjoint linear operator, H may be written as the following orthogonal direct sum H = H+(L)&#8853 H-(L)&#8853 Ker L, where H+(L) and H-(L) are the positive and negative spectral subspaces of L, respectively. In this work we give a definition of spectral flow which is based on the above splitting, examining in depth the connection between this concept and the spectral theory of Fredholm operators in Hilbert spaces. Among the properties of the spectral flow we will analyze the homotopic invariance, which appears on different ways. We will see the concept of relative Morse index, which generalize the classical Morse index, and its relation with the spectral flow. The construction of the spectral flow given in this work follows the approach of P. M. Fitzpatrick, J. Pejsachowicz and L. Recht in [9].

O objetivo principal desta dissertação é apresentar o fluxo espectral de um caminho de operadores de Fredholm auto-adjuntos em um espaço de Hilbert e suas propriedades. Pelos resultados clássicos de teoria espectral, sabemos que se H é um espaço de Hilbert e L : H &#8594 H é um operador linear, limitado e auto-adjunto, H pode ser escrito como soma direta ortogonal H+(L)&#8853 H-(L)&#8853 Ker L, onde H+(L) e H-(L) são os subespaços espectrais positivo e negativo de L, respectivamente. No trabalho damos uma definição de fluxo espectral baseada na decomposição acima, aprofundando as conexões deste conceito com a teoria espectral dos operadores de Fredholm em espaços de Hilbert. Entre as propriedades do fluxo espectral, será analisada a invariância homotópica que se apresenta em várias formas. Veremos o conceito de índice de Morse relativo, que estende o clássico índice de Morse, e sua relação com o fluxo espectral. A construção do fluxo espectral dada neste trabalho segue a abordagem de P. M. Fitzpatrick, J. Pejsachowicz e L. Recht em [9]. / The main purpose of this dissertation is to present the spectral flow of a path of selfadjoint Fredholm operators in a Hilbert space and its properties. By classical results in spectral theory, we know that, if H is a Hilbert space and L : H &#8594 H is a bounded self-adjoint linear operator, H may be written as the following orthogonal direct sum H = H+(L)&#8853 H-(L)&#8853 Ker L, where H+(L) and H-(L) are the positive and negative spectral subspaces of L, respectively. In this work we give a definition of spectral flow which is based on the above splitting, examining in depth the connection between this concept and the spectral theory of Fredholm operators in Hilbert spaces. Among the properties of the spectral flow we will analyze the homotopic invariance, which appears on different ways. We will see the concept of relative Morse index, which generalize the classical Morse index, and its relation with the spectral flow. The construction of the spectral flow given in this work follows the approach of P. M. Fitzpatrick, J. Pejsachowicz and L. Recht in [9].

Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-07-05T18:49:14Z No. of bitstreams: 1 JOSÉ FERNANDO LEITE AIRES - DISSERTAÇÃO PPGMAT 2004..pdf: 619280 bytes, checksum: fd21b35d13e1bed399affca7c1d08370 (MD5) / Made available in DSpace on 2018-07-05T18:49:14Z (GMT). No. of bitstreams: 1 JOSÉ FERNANDO LEITE AIRES - DISSERTAÇÃO PPGMAT 2004..pdf: 619280 bytes, checksum: fd21b35d13e1bed399affca7c1d08370 (MD5) Previous issue date: 2004-03 / Capes / Para visualização completa do resumo recomendamos o download do arquivo, uma vez que o mesmo possui fórmulas de equações que não foram possíveis copia-las aqui. / For a complete preview of the summary we recommend downloading the file, since it has formulas of equations that could not be copied here.

Neste trabalho buscamos caracterizar o espectro de uma classe de operadores bloco--Jacobi limitados definidos em $l^2(\\Lambda,\\mathbb{C}^L)$ ($\\Lambda: \\mathbb{Z}_+\\times\\{0,1,\\ldots,L-1\\}$ representa uma faixa de largura $L\\ge 2$ no semi--plano $\\mathbb{Z}_+^2$) e sujeitos a perturbações esparsas (no sentido que as distâncias entre as ``barreiras\'\' crescem geometricamente à medida que estas se afastam da origem) distribuídas aleatoriamente. Tais operadores são construídos a partir da soma de Kronecker de matrizes de Jacobi $J$, cada qual atuando em uma direção do espaço. Demonstramos, por meio da bloco--diagonalização do operador, que %o estudo de suas principais propriedades espectrais dependem da %se limita à caracterização da ``medida de mistura\'\' $\\frac{1}{L}\\sum_{j=0}^{L-1}\\mu_j$, $\\mu_j$ a medida espectral associada à matriz de Jacobi $J^j=J+2\\cos(2\\pi j/L)I $. Para tanto, buscamos primeiramente caracterizar cada uma das medidas $\\mu_j$, explorando e aperfeiçoando algumas técnicas bastante conhecidas no estudo de operadores esparsos unidimensionais. Demonstramos, por exemplo, que a seqüência de ângulos de Prüfer (variáveis que, juntamente com os raios de Prüfer, parametrizam as soluções da equação de autovalores) é uniformemente distribuída no intervalo $[0,\\pi)$, o %que %resultado que nos permite determinar o comportamento assintótico médio das soluções da equação de autovalores. Tal resultado, aliado às técnicas desenvolvidas por Marchetti \\textit{et. al.} em \\cite{MarWre} e a uma adaptação dos critérios de Last e Simon \\cite{LS} para operadores esparsos, nos permitem demonstrar a existência de uma transição aguda (pontual) entre os espectros singular--contínuo e puramente pontual. Empregamos em seguida os resultados de Jitomirskaya e Last presentes em \\cite{JitLast} e obtemos a dimensão Hausdorff exata associada à medida $\\mu_j$, dada por $\\alpha_j=1+\\frac{4(1-p^2)^2}{p^2(4- (\\lambda-2\\cos(2\\pi j/L))^2)}$ ($\\lambda\\in[-2,2]$), recuperando um resultado análogo obtido por Zlato\\v s em \\cite{Zla}. Por fim, adaptamos tais resultados à situação da medida de mistura associada à matriz bloco--Jacobi, obtendo $\\alpha=\\min_{j\\in\\mathcal{I}(\\lambda)}\\alpha_j$, $\\mathcal{I}(\\lambda):\\{m \\in\\{0,1,\\ldots,L-1\\}:\\lambda\\in[-2+2\\cos(2\\pi j/L),2+2\\cos(2\\pi j/L)]\\}$, como sua dimensão Hausdorff exata. Estudamos modelos idênticos com esparsidades sub e super-geométricas, obtendo na primeira situação um espectro puramente pontual (de dimensão Hausdorff nula) e na segunda um espectro puramente singular--contínuo (de dimensão Hausdorff 1). Finalmente, verificamos a existência de transição entre os espectros puramente pontual e singular--contínuo em um modelo com esparsidade super-geométrica cuja dimensão Hausdorff associada à medida espectral é nula. / In this work we attempt to caracterize the spectrum of a class of limited block--Jacobi operators defined in $l^2(\\Lambda,\\mathbb{C}^L)$ ($\\Lambda: \\mathbb{Z}_+\\times\\{0,1,\\ldots,L-1\\}$ represents a strip of width $L\\ge 2$ on the semi--plane $\\mathbb{Z}_+^2$) subject to a sparse perturbation (which means that the distance between the ``barries\'\' grow geometrically with their distance to the origin) randomly distributed. Such operators are defined as Kronecker sums of unidimensional Jacobi matrices $J$, each one acting in different directions of the space. We prove, by means of a block--diagonalization of the operator, that %the study of its most relevant spectral properties depend on %is related to the caracterization of the ``mixture measure\'\' $\\frac{1}{L}\\sum_{j=0}^{L-1}\\mu_j$, $\\mu_j$ the spectral measure of the Jacobi matrix $J^j=J+2\\cos(2\\pi j/L)I$. For this, we must characterize at first each one of the measures $\\mu_j$, exploiting and improving some well known techniques developed in the study of unidimensional sparse operators. We prove, for instance, that the sequence of Prüfer angles (variables which parametrize the solutions of the eigenvalue equation) are uniform distributed on the interval $[0,\\pi)$, a result which gives us condition to determine the average asymptotic behavior of the solutions of the eigenvalue equation. Such result, in association with the techniques developed by Marchetti \\textit{et. al.} in \\cite{MarWre} and with an adaptation of Last--Simon \\cite{LS} criteria for sparse operator, permit us to prove the existence of a sharp transition between singular continuous and pure point spectra. Following on, we use the results from Jitomirskaya--Last of \\cite{JitLast} and obtain the exact Hausdorff dimension of the measure $\\mu_j$, given by $\\alpha_j=1+\\frac{4(1-p^2)^2}{p^2(4-(\\lambda-2\\cos(2\\pi j/L))^2)}$ ($\\lambda\\in[- 2,2]$), recovering an analogous result due to Zlato\\v s in \\cite{Zla}. At last, we adapt these results to the mixture measure of the block--Jacobi matrix, obtaining $\\alpha=\\min_{j\\in\\mathcal{I}(\\lambda)}\\alpha_j$, $\\mathcal{I}(\\lambda):\\{m \\in\\{0,1,\\ldots,L-1\\}:\\lambda\\in[-2+2\\cos(2\\pi j/L),2+2\\cos(2\\pi j/L)]\\}$, as its exact Hausdorff dimension. We study as well identical models with sub and super geometric sparsities conditions, obtaining a pure point spectrum (with null Hausdorff dimension) in the first case, and a purely singular continuous spectrum (such that its Hausdorff dimension is 1) in the second. Finally, we prove the existence of a transition between pure point and singular continuous spectra in a model with sub--geometric sparsity whose Hausdorff dimension related to the spectral measure is null.

Image segmentation is an essential tool to enhance the ability of computer systems to efficiently perform elementary cognitive tasks such as detection, recognition and tracking. In this thesis we concentrate on the investigation of two fundamental topics in the context of image segmentation: spectral clustering and seeded image segmentation. We introduce two new algorithms for those topics that, in summary, rely on Laplacian-based operators, spectral graph theory, and minimization of energy functionals. The effectiveness of both segmentation algorithms is verified by visually evaluating the resulting partitions against state-of-the-art methods as well as through a variety of quantitative measures typically employed as benchmark by the image segmentation community. Our spectral-based segmentation algorithm combines image decomposition, similarity metrics, and spectral graph theory into a concise and powerful framework. An image decomposition is performed to split the input image into texture and cartoon components. Then, an affinity graph is generated and weights are assigned to the edges of the graph according to a gradient-based inner-product function. From the eigenstructure of the affinity graph, the image is partitioned through the spectral cut of the underlying graph. Moreover, the image partitioning can be improved by changing the graph weights by sketching interactively. Visual and numerical evaluation were conducted against representative spectral-based segmentation techniques using boundary and partition quality measures in the well-known BSDS dataset. Unlike most existing seed-based methods that rely on complex mathematical formulations that typically do not guarantee unique solution for the segmentation problem while still being prone to be trapped in local minima, our segmentation approach is mathematically simple to formulate, easy-to-implement, and it guarantees to produce a unique solution. Moreover, the formulation holds an anisotropic behavior, that is, pixels sharing similar attributes are preserved closer to each other while big discontinuities are naturally imposed on the boundary between image regions, thus ensuring better fitting on object boundaries. We show that the proposed approach significantly outperforms competing techniques both quantitatively as well as qualitatively, using the classical GrabCut dataset from Microsoft as a benchmark. While most of this research concentrates on the particular problem of segmenting an image, we also develop two new techniques to address the problem of image inpainting and photo colorization. Both methods couple the developed segmentation tools with other computer vision approaches in order to operate properly. / Segmentar uma image é visto nos dias de hoje como uma prerrogativa para melhorar a capacidade de sistemas de computador para realizar tarefas complexas de natureza cognitiva tais como detecção de objetos, reconhecimento de padrões e monitoramento de alvos. Esta pesquisa de doutorado visa estudar dois temas de fundamental importância no contexto de segmentação de imagens: clusterização espectral e segmentação interativa de imagens. Foram propostos dois novos algoritmos de segmentação dentro das linhas supracitadas, os quais se baseiam em operadores do Laplaciano, teoria espectral de grafos e na minimização de funcionais de energia. A eficácia de ambos os algoritmos pode ser constatada através de avaliações visuais das segmentações originadas, como também através de medidas quantitativas computadas com base nos resultados obtidos por técnicas do estado-da-arte em segmentação de imagens. Nosso primeiro algoritmo de segmentação, o qual ´e baseado na teoria espectral de grafos, combina técnicas de decomposição de imagens e medidas de similaridade em grafos em uma única e robusta ferramenta computacional. Primeiramente, um método de decomposição de imagens é aplicado para dividir a imagem alvo em duas componentes: textura e cartoon. Em seguida, um grafo de afinidade é gerado e pesos são atribuídos às suas arestas de acordo com uma função escalar proveniente de um operador de produto interno. Com base no grafo de afinidade, a imagem é então subdividida por meio do processo de corte espectral. Além disso, o resultado da segmentação pode ser refinado de forma interativa, mudando-se, desta forma, os pesos do grafo base. Experimentos visuais e numéricos foram conduzidos tomando-se por base métodos representativos do estado-da-arte e a clássica base de dados BSDS a fim de averiguar a eficiência da metodologia proposta. Ao contrário de grande parte dos métodos existentes de segmentação interativa, os quais são modelados por formulações matemáticas complexas que normalmente não garantem solução única para o problema de segmentação, nossa segunda metodologia aqui proposta é matematicamente simples de ser interpretada, fácil de implementar e ainda garante unicidade de solução. Além disso, o método proposto possui um comportamento anisotrópico, ou seja, pixels semelhantes são preservados mais próximos uns dos outros enquanto descontinuidades bruscas são impostas entre regiões da imagem onde as bordas são mais salientes. Como no caso anterior, foram realizadas diversas avaliações qualitativas e quantitativas envolvendo nossa técnica e métodos do estado-da-arte, tomando-se como referência a base de dados GrabCut da Microsoft. Enquanto a maior parte desta pesquisa de doutorado concentra-se no problema específico de segmentar imagens, como conteúdo complementar de pesquisa foram propostas duas novas técnicas para tratar o problema de retoque digital e colorização de imagens.

Estamos interessados em estudar o comportamento assintótico das soluções de uma classe de Equações Diferenciais Funcionais (EDF) lineares e autônomas do tipo neutro, onde os coeficientes, na parte não neutra, são funções periódicas de período comum w! e os retardamentos são múltiplos de w. Para isto, utilizamo-nos da teoria espectral de operadores aplicada ao chamado operador monodrômico \'PI\' : C \'SETA\' C, cuja ação é evoluir um dado estado um passo de tamanho w. Calculamos o resolvente deste operador, donde inferimos todas as propriedades espectrais que nos permitem determinar o comportamento assintótico das soluções. Mostramos a importância de se determinar autovalores dominantes para a obtenção das estimativas, e mostramos resultados neste sentido. Estudamos em detalhe três exemplos que ilustram a teoria e demonstram sua aplicabilidade / We are interested in the study of the asymptotic behavior of the solutions of a class of linear autonomous Functional Differential Equations (FDE) of neutral type, where the coeficients of the non neutral part are periodic functions with common period w and the time delays are multiples of w. We employ the spectral theory for linear operators applied to the so called monodromic operator \'PI\' : C \'ARROW\'! C, whose action is to evolve a given state one step of size w. We compute the resolvent of this operator, from where we infer the spectral properties that allows us to determine the asymptotic behavior of the solutions. We show the importance to determine whether an eigenvalue is dominant, in order to obtain the estimates for the correspondet solution, and we show results in this direction. Finally we study in detail three examples that illustrate the theory and demonstrate its applicability

Uma imagem engloba informação que precisa ser organizada para interpretar e compreender seu conteúdo. Existem diversas técnicas computacionais para extrair a principal informação de uma imagem e podem ser divididas em três áreas: análise de cor, textura e forma. Uma das principais delas é a análise de forma, por descrever características de objetos baseadas em seus pontos fronteira. Propomos um método de caracterização de imagens, por meio da análise de forma, baseada nas propriedades espectrais do laplaciano em grafos. O procedimento construiu grafos G baseados nos pontos fronteira do objeto, cujas conexões entre vértices são determinadas por limiares T_l. A partir dos grafos obtêm-se a matriz de adjacência A e a matriz de graus D, as quais definem a matriz Laplaciana L=D -A. A decomposição espectral da matriz Laplaciana (autovalores) é investigada para descrever características das imagens. Duas abordagens são consideradas: a) Análise do vetor característico baseado em limiares e a histogramas, considera dois parâmetros o intervalo de classes IC_l e o limiar T_l; b) Análise do vetor característico baseado em vários limiares para autovalores fixos; os quais representam o segundo e último autovalor da matriz L. As técnicas foram testada em três coleções de imagens: sintéticas (Genéricas), parasitas intestinais (SADPI) e folhas de plantas (CNShape), cada uma destas com suas próprias características e desafios. Na avaliação dos resultados, empregamos o modelo de classificação support vector machine (SVM), o qual avalia nossas abordagens, determinando o índice de separação das categorias. A primeira abordagem obteve um acerto de 90 % com a coleção de imagens Genéricas, 88 % na coleção SADPI, e 72 % na coleção CNShape. Na segunda abordagem, obtém-se uma taxa de acerto de 97 % com a coleção de imagens Genéricas; 83 % para SADPI e 86 % no CNShape. Os resultados mostram que a classificação de imagens a partir do espectro do Laplaciano, consegue categorizá-las satisfatoriamente. / An image includes information that needs to be organized to interpret and understand its contents. There are several computational techniques to extract the main information of images and are divided into three areas: color, texture and shape analysis. One of the main of them is shape analysis, since it describes objects getting main features based on reference points, usually border points. This dissertation proposes a shape analysis method based on the spectral properties of the Laplacian in graphs to represent images. The procedure builds G graphs based on object border points, whose connections between vertices are determined by thresholds T_l. From graphs G we obtain the adjacency matrix A and matrix degrees D, which define the Laplacian matrix L=D -A. Thus, spectral decomposition of the Laplacian matrix (eigenvalues) is investigated to describe image features. Two approaches are considered: a)Analysis of feature vector based on thresholds and histograms, it considers two parameters, classes range IC_l and threshold T_l; b) Analysis of feature vector based on multiple linear for fixed eigenvalues, which represents the second and final eigenvalue matrix L. The techniques were tested in three image datasets: synthetic (Generic), human intestinal parasites (SADPI) and plant leaves (CNShape), each of these with its own features and challenges. Afterwards to evaluate our results, we used the classification model Support Vector Machine (SVM) to evaluate our approaches, determining the percentage of separation of categories. The first approach achieved 90 % of precision with the Generic image dataset, 88 % in SADPI dataset, and 72 % in CNShape dataset. In the second approach, it obtains 97 % of precision with the Generic image dataset, 83 % for SADPI and 86 % in CNShape respectively. The results show that the classification of images from the Laplacian spectrum can categorize them satisfactorily.