L'analyse des images numériques, bien que largement étudiée, reste encore aujourd'hui un réel défi. Avec pour objectifs la description pertinente et la reconnaissance sémantique du contenu de celles-ci, de nombreuses applications requièrent une attention particulière quant à cette analyse. Pour répondre à ces besoins, l'analyse du contenu des images est réalisée de façon automatique grâce à des méthodes informatiques se rapprochant par exemple des mathématiques, des statistiques, de la physique. Une façon pertinente et reconnue de représenter les objets observés dans les images réside dans leur segmentation. Couplée à la classification, la segmentation permet une ségrégation sémantique de ces objets. Cependant, les méthodes existantes ne peuvent être considérées comme génériques, et bien que motivées par de nombreux domaines (militaire, médical, satellite, etc.), celles-ci sont continuellement réévaluées, adaptées et améliorées. Par exemple, les images satellites se démarquent dans le milieu de l'image de par leur spécificité d'acquisition, de par leur support ou de par le sujet d'observation (la Terre dans notre cas).Cette thèse à pour but d'explorer les méthodes de caractérisation et de segmentation supervisées exploitant la notion de texture. Les sols observés depuis l'espace, à des échelles et des résolutions différentes, peuvent être perçus comme texturés. Les cartes d'occupation des sols peuvent être obtenues par la segmentation d'images satellites, notamment en utilisant l'information texturale. Nous proposons le développement d'algorithmes de segmentation compétitifs caractérisant la texture par l'utilisation de représentations multi-échelles des images obtenues par décomposition en ondelettes et de classificateurs supervisés tels que les Support Vector Machines. Dans cette optique, cette thèse est principalement articulée autour de plusieurs projets de recherche nécessitant une étude des images à des échelles et des résolutions différentes, ces images étant elles-mêmes de nature variée (e.g. multi-spectrales, optiques, LiDAR). Nous dériverons, pour ces différents cas d'étude, certains aspects de la méthodologie développée. / The analysis of digital images, albeit widely researched, continues to present a real challenge today. In the case of several applications which aim to produce an appropriate description and semantic recognition of image content, particular attention is required to be given to image analysis. In response to such requirements, image content analysis is carried out automatically with the help of computational methods that tend towards the domains of mathematics, statistics and physics. The use of image segmentation methods is a relevant and recognized way to represent objects observed in images. Coupled with classification, segmentation allows a semantic segregation of these objects. However, existing methods cannot be considered to be generic, and despite having been inspired by various domains (military, medical, satellite etc), they are continuously subject to reevaluation, adaptation or improvement. For example satellite images stand out in the image domain in terms of the specificity of their mode of acquisition, their format, or the object of observation (the Earth, in this case).The aim of the present thesis is to explore, by exploiting the notion of texture, methods of digital image characterization and supervised segmentation. Land, observed from space at different scales and resolutions, could be perceived as being textured. Land-use maps could be obtained through the segmentation of satellite images, in particular through the use of textural information. We propose to develop competitive algorithms of segmentation to characterize texture, using multi-scale representations of images obtained by wavelet decomposition and supervised classifiers such as Support Vector Machines.Given this context, the present thesis is principally articulated around various research projects which require the study of images at different scales and resolutions, and which are varying in nature (eg. multi-spectral, optic, LiDAR). Certain aspects of the methodology developed are applied to the different case studies undertaken.

Submitted by Maria Medeiros (maria.dilva1@ufcg.edu.br) on 2018-08-17T14:30:53Z No. of bitstreams: 1 EDICARLOS PEREIRS DE SOUSA - TESE (PPGMet) 2016.pdf: 7117312 bytes, checksum: 96b3ee401a9f1387b098676da0e967eb (MD5) / Made available in DSpace on 2018-08-17T14:30:53Z (GMT). No. of bitstreams: 1 EDICARLOS PEREIRS DE SOUSA - TESE (PPGMet) 2016.pdf: 7117312 bytes, checksum: 96b3ee401a9f1387b098676da0e967eb (MD5) Previous issue date: 2016-05-31 / Capes / O estado de Minas Gerais, localizado na região Sudeste do Brasil, possui um território planáltico, com áreas mais elevadas situadas na porção sul. O clima é predominantemente tropical e tropical de altitude, com temperaturas oscilando, normalmente, entre 17 e 20°C. Tais características o tornam, muitas vezes, susceptível a fortes chuvas, provocando transtornos diversos à população. Desse modo, buscou-se analisar a variabilidade da chuva mineira através de técnicas que fossem capazes de definir padrões espaciais e temporais de eventos secos e chuvosos, assim como modulá-los nas escalas tempo-frequência. Para isso, calculou-se o Índice de Precipitação Normalizada (IPN) mensal e trimestral no período 1977-2012. A fim de encontrar padrões espaço-temporais e regiões homogêneas (RH) do IPN mensal e trimestral, utilizaram-se as técnicas da Análise em Componentes Principais (ACP) e Agrupamentos (AA). A técnica da Transformada de Ondeletas (TO) foi aplicada para algumas localidades das diferentes RH em diversas escalas. A TO possibilitou encontrar oscilações importantes no sinal da precipitação, mostrando as componentes dominantes da variabilidade da chuva na área pesquisada. Nos espectros de fase e global de energia da TO, para a chuva mensal, predominou o ciclo anual em todas as localidades. Além da escala anual, observaram-se interações com escalas inferiores a doze meses, possivelmente decorrentes da sazonalidade da precipitação. A TO da precipitação e da Radiação de Onda Longa (ROL) diárias evidenciou frequências maiores que as da chuva mensal. A análise dos espectros de fase e de energia global, nas regiões centro-sul e oeste, apresentou maior energia no início das séries da precipitação e de ROL. Contribuições mais elevadas ocorreram nas escalas sinóticas e intrassazonais, principalmente nas localidades de Viçosa, Bom Despacho, Ituiutaba e Lavras. Esses padrões temporais estão associados com a Oscilação de Madden-Julian (OMJ), intensificando a atuação de sistemas moduladores do clima de Minas Gerais. Oscilações em escalas menores que dez dias foram detectadas nos anos de 2011 e 2012 e podem estar associadas aos sistemas de curto prazo que contribuíram para a chuva mineira. No caso de 2011, os eventos de chuva observados em meados de janeiro foram modulados pelos episódios da Zona de Convergência do Atlântico Sul (ZCAS) e reforçados pela atuação da OMJ. / The state of Minas Gerais, located in southeastern Brazil, has a plateaux area, with higher areas in the southern part. The climate is predominantly tropical and tropical altitude, with temperatures ranging normally between 17 and 20°C. These characteristics make it often susceptible to heavy rains, causing many disorders the population. Thus, it sought to analyze the variability of the rain of Minas Gerais through techniques that were able to define spatial and temporal patterns of dry and wet events, and modulate them in the time-frequency ranges. For this, we calculated the Standardized Precipitation Index (SPI) monthly and quarterly in the period 1977-2012. In order to find spatiotemporal patterns and homogeneous regions (HR) of the monthly and quarterly SPI, we used the techniques of Principal Components Analysis (PCA) and Cluster Analysis (CA). The technique of Wavelets Transform (WT) has been applied to some locations of the different HR at various scales. The WT possible find important variations in rainfall signal, showing the dominant components of rainfall variability in the studied area. In phase spectra and global energy of WT, for the monthly rainfall, dominated the annual cycle in all locations. In addition to the annual scale, there were interactions with scales less than twelve months, possibly due to the seasonality of precipitation. The WT of precipitation and Outgoing Longwave Radiation (OLR) daily reported higher frequencies than the monthly rainfall. Analysis of phase spectra and global power, in south-central and western regions, showed higher energy at the beginning of the series of precipitation and OLR. Higher contributions occurred in the synoptic and intraseasonal scales, especially in the localities of Viçosa, Bom Despacho, Ituiutaba and Lavras. These temporal patterns are associated with the Madden-Julian Oscillation (MJO), intensifying the activity of modulators systems climate of Minas Gerais. Oscillations at smaller scales than ten days were detected in 2011 and 2012 and may be associated with short-term systems that contributed to the Minas Gerais rainfall. In the case of 2011 rain events observed in mid-January they were modulated by episodes of South Atlantic Convergence Zone (SACZ) and reinforced by the performance of MJO.

Os sistemas de recuperação de imagens por conteúdo (CBIR -Content-based Image Retrieval) possuem a habilidade de retornar imagens utilizando como chave de busca outras imagens. Considerando uma imagem de consulta, o foco de um sistema CBIR é pesquisar no banco de dados as "n" imagens mais similares à imagem de consulta de acordo com um critério dado. Este trabalho de pesquisa foi direcionado na geração de vetores de características para um sistema CBIR considerando bancos de imagens médicas, para propiciar tal tipo de consulta. Um vetor de características é uma representação numérica sucinta de uma imagem ou parte dela, descrevendo seus detalhes mais representativos. O vetor de características é um vetor "n"-dimensional contendo esses valores. Essa nova representação da imagem pode ser armazenada em uma base de dados, e assim, agilizar o processo de recuperação de imagens. Uma abordagem alternativa para caracterizar imagens para um sistema CBIR é a transformação do domínio. A principal vantagem de uma transformação é sua efetiva caracterização das propriedades locais da imagem. Recentemente, pesquisadores das áreas de matemática aplicada e de processamento de sinais desenvolveram técnicas práticas de "wavelet" para a representação multiescala e análise de sinais. Estas novas ferramentas diferenciam-se das tradicionais técnicas de Fourier pela forma de localizar a informação no plano tempo-freqüência; basicamente, elas têm a capacidade de mudar de uma resolução para outra, o que faz delas especialmente adequadas para a análise de sinais não estacionários. A transformada "wavelet" consiste de um conjunto de funções base que representa o sinal em diferentes bandas de freqüência, cada uma com resoluções distintas correspondentes a cada escala. Estas foram aplicadas com sucesso na compressão, melhoria, análise, classificação, caracterização e recuperação de imagens. Uma das áreas beneficiadas, onde essas propriedades têm encontrado grande relevância, é a área médica, através da representação e descrição de imagens médicas. Este trabalho descreve uma abordagem para um banco de imagens médicas, que é orientada à extração de características para um sistema CBIR baseada na decomposição multiresolução de "wavelets" utilizando os filtros de Daubechies e Gabor. Essas novas características de imagens foram também testadas utilizando uma estrutura de indexação métrica "Slim-tree". Assim, pode-se aumentar o alcance semântico do sistema cbPACS (Content-Based Picture Archiving and Comunication Systems), atualmente em desenvolvimento conjunto entre o Grupo de Bases de Dados e Imagens do ICMC--USP e o Centro de Ciências de Imagens e Física Médica do Hospital das Clínicas de Riberão Preto-USP. / Content-based image retrieval (CBIR) refers to the ability to retrieve images on the basis of the image content. Given a query image, the goal of a CBIR system is to search the database and return the "n" most similar (close) ones to the query image according to a given criteria. Our research addresses the generation of feature vectors of a CBIR system for medical image databases. A feature vector is a numeric representation of an image or part of it over its representative aspects. The feature vector is a "n"-dimensional vector organizing such values. This new image representation can be stored into a database and allow a fast image retrieval. An alternative for image characterization for a CBIR system is the domain transform. The principal advantage of a transform is its effective characterization for their local image properties. In the past few years, researches in applied mathematics and signal processing have developed practical "wavelet" methods for the multiscale representation and analysis of signals. These new tools differ from the traditional Fourier techniques by the way in which they localize the information in the time-frequency plane; in particular, they are capable of trading one type of resolution for the other, which makes them especially suitable for the analysis of non-stationary signals. The "wavelet" transform is a set of basis functions that represents signals in different frequency bands, each one with a resolution matching its scale. They have been successfully applied to image compression, enhancements, analysis, classifications, characterization and retrieval. One privileged area of application where these properties have been found to be relevant is medical imaging. In this work we describe an approach to CBIR for medical image databases focused on feature extraction based on multiresolution "wavelets" decomposition, taking advantage of the Daubechies and Gabor. Fundamental to our approach is how images are characterized, such that the retrieval procedure can bring similar images within the domain of interest, using a metric structure indexing, like the "Slim-tree". Thus, it increased the semantic capability of the cbPACS(Content-Based Picture Archiving and Comunication Systems), currently in joined developing between the Database and Image Group of the ICMC--USP and the Science Center for Images and Physical Medic of the Clinics Hospital of Riberão Preto--USP.

Os sistemas de recuperação de imagens por conteúdo (CBIR -Content-based Image Retrieval) possuem a habilidade de retornar imagens utilizando como chave de busca outras imagens. Considerando uma imagem de consulta, o foco de um sistema CBIR é pesquisar no banco de dados as "n" imagens mais similares à imagem de consulta de acordo com um critério dado. Este trabalho de pesquisa foi direcionado na geração de vetores de características para um sistema CBIR considerando bancos de imagens médicas, para propiciar tal tipo de consulta. Um vetor de características é uma representação numérica sucinta de uma imagem ou parte dela, descrevendo seus detalhes mais representativos. O vetor de características é um vetor "n"-dimensional contendo esses valores. Essa nova representação da imagem pode ser armazenada em uma base de dados, e assim, agilizar o processo de recuperação de imagens. Uma abordagem alternativa para caracterizar imagens para um sistema CBIR é a transformação do domínio. A principal vantagem de uma transformação é sua efetiva caracterização das propriedades locais da imagem. Recentemente, pesquisadores das áreas de matemática aplicada e de processamento de sinais desenvolveram técnicas práticas de "wavelet" para a representação multiescala e análise de sinais. Estas novas ferramentas diferenciam-se das tradicionais técnicas de Fourier pela forma de localizar a informação no plano tempo-freqüência; basicamente, elas têm a capacidade de mudar de uma resolução para outra, o que faz delas especialmente adequadas para a análise de sinais não estacionários. A transformada "wavelet" consiste de um conjunto de funções base que representa o sinal em diferentes bandas de freqüência, cada uma com resoluções distintas correspondentes a cada escala. Estas foram aplicadas com sucesso na compressão, melhoria, análise, classificação, caracterização e recuperação de imagens. Uma das áreas beneficiadas, onde essas propriedades têm encontrado grande relevância, é a área médica, através da representação e descrição de imagens médicas. Este trabalho descreve uma abordagem para um banco de imagens médicas, que é orientada à extração de características para um sistema CBIR baseada na decomposição multiresolução de "wavelets" utilizando os filtros de Daubechies e Gabor. Essas novas características de imagens foram também testadas utilizando uma estrutura de indexação métrica "Slim-tree". Assim, pode-se aumentar o alcance semântico do sistema cbPACS (Content-Based Picture Archiving and Comunication Systems), atualmente em desenvolvimento conjunto entre o Grupo de Bases de Dados e Imagens do ICMC--USP e o Centro de Ciências de Imagens e Física Médica do Hospital das Clínicas de Riberão Preto-USP. / Content-based image retrieval (CBIR) refers to the ability to retrieve images on the basis of the image content. Given a query image, the goal of a CBIR system is to search the database and return the "n" most similar (close) ones to the query image according to a given criteria. Our research addresses the generation of feature vectors of a CBIR system for medical image databases. A feature vector is a numeric representation of an image or part of it over its representative aspects. The feature vector is a "n"-dimensional vector organizing such values. This new image representation can be stored into a database and allow a fast image retrieval. An alternative for image characterization for a CBIR system is the domain transform. The principal advantage of a transform is its effective characterization for their local image properties. In the past few years, researches in applied mathematics and signal processing have developed practical "wavelet" methods for the multiscale representation and analysis of signals. These new tools differ from the traditional Fourier techniques by the way in which they localize the information in the time-frequency plane; in particular, they are capable of trading one type of resolution for the other, which makes them especially suitable for the analysis of non-stationary signals. The "wavelet" transform is a set of basis functions that represents signals in different frequency bands, each one with a resolution matching its scale. They have been successfully applied to image compression, enhancements, analysis, classifications, characterization and retrieval. One privileged area of application where these properties have been found to be relevant is medical imaging. In this work we describe an approach to CBIR for medical image databases focused on feature extraction based on multiresolution "wavelets" decomposition, taking advantage of the Daubechies and Gabor. Fundamental to our approach is how images are characterized, such that the retrieval procedure can bring similar images within the domain of interest, using a metric structure indexing, like the "Slim-tree". Thus, it increased the semantic capability of the cbPACS(Content-Based Picture Archiving and Comunication Systems), currently in joined developing between the Database and Image Group of the ICMC--USP and the Science Center for Images and Physical Medic of the Clinics Hospital of Riberão Preto--USP.

Orientador: Paulo de Oliveira Camargo / Resumo: Existem dados de estações de maré terrestre em todo território nacional que estiveram em operação nos últimos anos. Contudo cada região de coleta apresenta um ou mais efeitos geofísicos predominantes, causando uma heterogeneidade dos dados e abrindo a possibilidade para diversos estudos. A minimização de efeitos geofísicos em observações gravimétricas é um grande desafio na geração de modelos de maré terrestre. Desta forma, esta pesquisa tem como objetivo estudar as metodologias para correções das cargas atmosférica e oceânica nos diferentes cenários. A hipótese adotada nesta pesquisa é que a consideração do parâmetro temporal junto à análise espectral possibilita isolar a maré terrestre e as sobrecargas. A metodologia neste trabalho envolve três etapas: (1) o pré-processamento, (2) o processamento das observações gravimétricas e (3) a aplicação dos modelos de marés. As estações base do estudo são PPTE e NEIA, localizadas respectivamente nos municípios de Presidente Prudente - SP e Cananeia - SP, escolhidas em razão do comportamento distinto das cargas oceânicas nas duas regiões. A pesquisa fundamenta-se na decomposição por harmônicos esféricos e pelo uso de ondaletas na série temporal gravimétrica das duas estações. O pré-processamento dos dados foi minuciosamente realizado, destaca-se a detecção de um deslocamento temporal em parte dos dados gravimétricos de PPTE, que foram corrigidos com sucesso. Na etapa do processamento foram analisados os impactos das correções atmosfér... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: There are Earth tide data from stations across the country that have been in operation in recent years. However, each collection region has one or more predominant geophysical effects, causing a heterogeneity of data and opening the possibility for several studies. The minimization of geophysical effects in gravimetric observations is a major challenge in the generation of terrestrial tide models. Thus, this research aims to study the methodologies for correcting atmospheric and ocean loading in different scenarios. The hypothesis adopted in this research is that the consideration of the temporal parameter together with the spectral analysis makes it possible to isolate the terrestrial tide and the overloads. The methodology in this work involves three stages: (1) the pre-processing, (2) the processing of the gravimetric observations and (3) the application of the tidal models. The study stations are PPTE and NEIA, located respectively in the cities of Presidente Prudente - SP and Cananeia - SP, chosen due to the different behavior of ocean loading in the two regions. The research is based on the decomposition by spherical harmonics and the use of wavelets in the gravimetric time series of the two stations. The pre-processing of the data was meticulously carried out, highlighting the detection of a temporal displacement in part of the PPTE gravimetric data, which were successfully corrected. In the processing stage, the impacts of atmospheric and oceanic corrections were anal... (Complete abstract click electronic access below) / Doutor

Signal processing is used in a wide variety of applications, ranging from digital image processing to biomedicine. Recently, some tools from signal processing have been extended to the context of graphs, allowing its use on irregular domains. Among others, the Fourier Transform and the Wavelet Transform have been adapted to such context. Graph signal processing (GSP) is a new field with many potential applications on data exploration. In this dissertation we show how tools from graph signal processing can be used for visual analysis. Specifically, we proposed a data filtering method, based on spectral graph filtering, that led to high quality visualizations which were attested qualitatively and quantitatively. On the other hand, we relied on the graph wavelet transform to enable the visual analysis of massive time-varying data revealing interesting phenomena and events. The proposed applications of GSP to visually analyze data are a first step towards incorporating the use of this theory into information visualization methods. Many possibilities from GSP can be explored by improving the understanding of static and time-varying phenomena that are yet to be uncovered. / O processamento de sinais é usado em uma ampla variedade de aplicações, desde o processamento digital de imagens até a biomedicina. Recentemente, algumas ferramentas do processamento de sinais foram estendidas ao contexto de grafos, permitindo seu uso em domínios irregulares. Entre outros, a Transformada de Fourier e a Transformada Wavelet foram adaptadas nesse contexto. O Processamento de Sinais em Grafos (PSG) é um novo campo com muitos aplicativos potenciais na exploração de dados. Nesta dissertação mostramos como ferramentas de processamento de sinal gráfico podem ser usadas para análise visual. Especificamente, o método de filtragem de dados porposto, baseado na filtragem de grafos espectrais, levou a visualizações de alta qualidade que foram atestadas qualitativa e quantitativamente. Por outro lado, usamos a transformada de wavelet em grafos para permitir a análise visual de dados massivos variantes no tempo, revelando fenômenos e eventos interessantes. As aplicações propostas do PSG para analisar visualmente os dados são um primeiro passo para incorporar o uso desta teoria nos métodos de visualização da informação. Muitas possibilidades do PSG podem ser exploradas melhorando a compreensão de fenômenos estáticos e variantes no tempo que ainda não foram descobertos.

A presença de distúrbios na energia elétrica fornecida aos consumidores pode causar a diminuição no tempo de vida útil dos equipamentos, mal funcionamento ou até mesmo sua perda. Desse modo, ferramentas capazes de realizar a detecção, localização, classificação, compressão e o armazenamento de sinais de forma automática e organizada são essenciais para garantir um processo de monitoramento adequado ao sistema elétrico de potência como um todo. Dentre as ferramentas comumente aplicadas às tarefas supramencionadas, pode-se destacar a Transformada Wavelet (TW) e as Redes Neurais Artificiais (RNAs). Contudo, ainda não foi estabelecida uma metodologia para obtenção e validação da TW e seu nível de decomposição, bem como da arquitetura e da topologia de RNAs mais apropriadas às tarefas supracitadas. O principal fato que levou a esta constatação deve-se à análise da literatura correlata, onde é possível notar o uso de distintas TW e RNAs. Neste contexto, a primeira contribuição desta pesquisa foi o projeto e desenvolvimento de um método eficiente de segmentação de sinais com distúrbios associados à Qualidade da Energia Elétrica (QEE). O método desenvolvido se beneficia das propriedades da TW de identificação temporal de descontinuidades em sinais. A segunda contribuição é o desenvolvimento de um algoritmo automático que, por meio do método de segmentação desenvolvido e de classificação por RNAs, indique as melhores ferramentas (Wavelets e RNAs) para as tarefas de segmentação, extração de características e classificação de distúrbios de QEE. Esse algoritmo foi desenvolvido com base nos recursos dos Algoritmos Evolutivos (AEs) e adotou RNAs do tipo Perceptron Multicamadas, pois, esta arquitetura pode ser considerada consagrada no que se refere à classificação de padrões. Por fim, a terceira contribuição é relativa ao desenvolvimento de um procedimentos baseados em AEs, a fim de se aprimorar métodos de compressão de dados que preservem as informações relevantes nos sinais de QEE. Assim, é importante mencionar que os resultados dessa pesquisa poderão determinar mecanismos automáticos a serem utilizados no processo de registro, tratamento e armazenamento de informações que serão importantes para se manter um banco de dados (histórico) atualizado nas concessionárias de energia, a partir do qual, índices e um melhor mapeamento e entendimento de todos os distúrbios relacionados à QEE poderão ser melhor entendidos e solucionados. / The presence of disturbances in the electrical power supplied to consumers can decrease the lifetime of the equipment, cause malfunction or even their breakdown. Thus, tools able to perform detection, localization, classification, compression and storage of signals automatically and organized manner are essential to ensure adequate monitoring process to electric power systems as a whole. Among the tools commonly applied to the tasks mentioned above, one can highlight the Wavelet Transform (WT) and Artificial Neural Networks (ANN). However, the WT has not been established yet and nor its level of decomposition, as well as the most appropriate ANN architecture and topology to the tasks already mentioned. The main fact that has led to this finding is due to the review of related literature, where it is possible to note the use of distinct WT and ANN. Therefore, the first contribution of this research was the design and development of an efficient method of segmentation of signals associate to Power Quality (PQ) disturbances. The developed method take advantage of WT properties of temporal identification of signal discontinuities. The second contribution is the development of an automatic algorithm that, through the segmentation method developed and classification by ANN, indicates the best tools (Wavelets and ANN) for the tasks of segmentation, extraction of characteristics and classification of QEE disturbances. This algorithm was developed based on the resources of the Evolutionary Algorithms and it adopts Multi-layered Perceptron type ANN, once this architecture can be considered consecrated with regard to the pattenrs classification. Finally, the third contribution is related to the development of EA based procedures in order to improve data compression methods that preserve the relevant information in the PQ signals. Thus, it is important to mention that the results of this research may determine automatic mechanisms to be used in the process of recording, processing and storing information that will be important in order to maintain an up-to-date (historical) database in the utilities, from which , indexes and a better mapping and understanding of all PQ related disturbances can be better understood and solved.

A presença de distúrbios na energia elétrica fornecida aos consumidores pode causar a diminuição no tempo de vida útil dos equipamentos, mal funcionamento ou até mesmo sua perda. Desse modo, ferramentas capazes de realizar a detecção, localização, classificação, compressão e o armazenamento de sinais de forma automática e organizada são essenciais para garantir um processo de monitoramento adequado ao sistema elétrico de potência como um todo. Dentre as ferramentas comumente aplicadas às tarefas supramencionadas, pode-se destacar a Transformada Wavelet (TW) e as Redes Neurais Artificiais (RNAs). Contudo, ainda não foi estabelecida uma metodologia para obtenção e validação da TW e seu nível de decomposição, bem como da arquitetura e da topologia de RNAs mais apropriadas às tarefas supracitadas. O principal fato que levou a esta constatação deve-se à análise da literatura correlata, onde é possível notar o uso de distintas TW e RNAs. Neste contexto, a primeira contribuição desta pesquisa foi o projeto e desenvolvimento de um método eficiente de segmentação de sinais com distúrbios associados à Qualidade da Energia Elétrica (QEE). O método desenvolvido se beneficia das propriedades da TW de identificação temporal de descontinuidades em sinais. A segunda contribuição é o desenvolvimento de um algoritmo automático que, por meio do método de segmentação desenvolvido e de classificação por RNAs, indique as melhores ferramentas (Wavelets e RNAs) para as tarefas de segmentação, extração de características e classificação de distúrbios de QEE. Esse algoritmo foi desenvolvido com base nos recursos dos Algoritmos Evolutivos (AEs) e adotou RNAs do tipo Perceptron Multicamadas, pois, esta arquitetura pode ser considerada consagrada no que se refere à classificação de padrões. Por fim, a terceira contribuição é relativa ao desenvolvimento de um procedimentos baseados em AEs, a fim de se aprimorar métodos de compressão de dados que preservem as informações relevantes nos sinais de QEE. Assim, é importante mencionar que os resultados dessa pesquisa poderão determinar mecanismos automáticos a serem utilizados no processo de registro, tratamento e armazenamento de informações que serão importantes para se manter um banco de dados (histórico) atualizado nas concessionárias de energia, a partir do qual, índices e um melhor mapeamento e entendimento de todos os distúrbios relacionados à QEE poderão ser melhor entendidos e solucionados. / The presence of disturbances in the electrical power supplied to consumers can decrease the lifetime of the equipment, cause malfunction or even their breakdown. Thus, tools able to perform detection, localization, classification, compression and storage of signals automatically and organized manner are essential to ensure adequate monitoring process to electric power systems as a whole. Among the tools commonly applied to the tasks mentioned above, one can highlight the Wavelet Transform (WT) and Artificial Neural Networks (ANN). However, the WT has not been established yet and nor its level of decomposition, as well as the most appropriate ANN architecture and topology to the tasks already mentioned. The main fact that has led to this finding is due to the review of related literature, where it is possible to note the use of distinct WT and ANN. Therefore, the first contribution of this research was the design and development of an efficient method of segmentation of signals associate to Power Quality (PQ) disturbances. The developed method take advantage of WT properties of temporal identification of signal discontinuities. The second contribution is the development of an automatic algorithm that, through the segmentation method developed and classification by ANN, indicates the best tools (Wavelets and ANN) for the tasks of segmentation, extraction of characteristics and classification of QEE disturbances. This algorithm was developed based on the resources of the Evolutionary Algorithms and it adopts Multi-layered Perceptron type ANN, once this architecture can be considered consecrated with regard to the pattenrs classification. Finally, the third contribution is related to the development of EA based procedures in order to improve data compression methods that preserve the relevant information in the PQ signals. Thus, it is important to mention that the results of this research may determine automatic mechanisms to be used in the process of recording, processing and storing information that will be important in order to maintain an up-to-date (historical) database in the utilities, from which , indexes and a better mapping and understanding of all PQ related disturbances can be better understood and solved.

L’examen PEV (Potentiel Évoqué Visuel) avec stimulation par balayage de fréquence spatiale est reconnu pour l’estimation de l’acuité visuelle (AV) chez le jeune enfant en raison de son objectivité et de sa faible durée d’examen. Néanmoins, plusieurs études ont souligné la variabilité des réponses et pour certains cas, des atténuations à certaines fréquences spatiales. Dans cette thèse, nous démontrons la relation entre la phase du signal et ces atténuations lorsque la transformée de Fourier à court terme (TFCT) est utilisée. Nous présentons une nouvelle méthode de traitement dusignal qui prend en compte les variations de phase, basée sur la transformée en ondelettes discrète stationnaire (TODS) pour le débruiter le signal et sur le filtre de Kalman étendu (FKE) pour l’estimer la réponse du système visuel. La nouvelle méthode est testée sur deux ensembles d’examens. Le premier provient du CHRU de Lille et le second de notre laboratoire. La TODS améliore le rapport signal sur bruit de 10.9 dB en moyenne (IC95 [6.3,15.6]) et réduit les artéfacts dus aux clignements et aux mouvements. Le FKE permet une estimation de la réponse du système visuel plus précise. Grâce à la prise en compte de la phase du signal, la forme de la réponse présente moins de variations. La dispersion entre les balayages est divisée par 1.4 en comparaison à la méthode actuelle. La corrélation entre l’AV ETDRS et l’estimation de l’acuité visuelle de la nouvelle méthode est meilleure (indice de Spearman=0.64, valeur-p=6 10-4, écart-type=0.34 logMAR) que celle de la méthode actuelle (indice de Spearman=0.57, valeur-p=1.1 10-3, écart type=0.45 logMAR). / Sweep VEP (visual evoked potentials) is known to be a valuable exam to estimate visual acuity (VA) in infants because of its objectivity and its rapidity. Nevertheless, several studies have pointed out the variability of the responses and sometimes attenuations at some spatial frequencies called “notches”. In this thesis, we demonstrate a relationship between the phase of the signal and these attenuations when the short-time discrete Fourier transform (STDFT) is used. We introduce a new method of signal processing which takes in account the phase shifting, based on stationary discrete wavelet transform (SDWT) for the denoising and on extended Kalman filtering (EKF) for the estimation of the visual system response. The new method is tested on two sets of exams. The first one comes from the CHRU of Lille and the second one from our laboratory. The SDWT improves the signal to noise ratio on average by 10.9 dB (CI95 [6.3,15.6]) and reduces artefacts caused by blinking or eyes movements. Thanks to the EKF, the estimation of the response of the visual system is more precise. By taking into account the phase of the signal, the shape of the reponse presentsless variations. The dispersion among the sweeps is divided by 1.4 compared to the DSTFT. The correlation between ETDRS VA and the VA estimation of the new method (Spearman’s correlation= 0.64, p-value=6 10-4, root mean squared error (RMSE)=0.34 logMAR) is better than that of the current method (Spearman’s correlation=0.58, p-value=1.1 10-3, RMSE=0.45 logMAR).

Signal processing is used in a wide variety of applications, ranging from digital image processing to biomedicine. Recently, some tools from signal processing have been extended to the context of graphs, allowing its use on irregular domains. Among others, the Fourier Transform and the Wavelet Transform have been adapted to such context. Graph signal processing (GSP) is a new field with many potential applications on data exploration. In this dissertation we show how tools from graph signal processing can be used for visual analysis. Specifically, we proposed a data filtering method, based on spectral graph filtering, that led to high quality visualizations which were attested qualitatively and quantitatively. On the other hand, we relied on the graph wavelet transform to enable the visual analysis of massive time-varying data revealing interesting phenomena and events. The proposed applications of GSP to visually analyze data are a first step towards incorporating the use of this theory into information visualization methods. Many possibilities from GSP can be explored by improving the understanding of static and time-varying phenomena that are yet to be uncovered. / O processamento de sinais é usado em uma ampla variedade de aplicações, desde o processamento digital de imagens até a biomedicina. Recentemente, algumas ferramentas do processamento de sinais foram estendidas ao contexto de grafos, permitindo seu uso em domínios irregulares. Entre outros, a Transformada de Fourier e a Transformada Wavelet foram adaptadas nesse contexto. O Processamento de Sinais em Grafos (PSG) é um novo campo com muitos aplicativos potenciais na exploração de dados. Nesta dissertação mostramos como ferramentas de processamento de sinal gráfico podem ser usadas para análise visual. Especificamente, o método de filtragem de dados porposto, baseado na filtragem de grafos espectrais, levou a visualizações de alta qualidade que foram atestadas qualitativa e quantitativamente. Por outro lado, usamos a transformada de wavelet em grafos para permitir a análise visual de dados massivos variantes no tempo, revelando fenômenos e eventos interessantes. As aplicações propostas do PSG para analisar visualmente os dados são um primeiro passo para incorporar o uso desta teoria nos métodos de visualização da informação. Muitas possibilidades do PSG podem ser exploradas melhorando a compreensão de fenômenos estáticos e variantes no tempo que ainda não foram descobertos.