Submitted by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2016-02-05T13:07:49Z No. of bitstreams: 1 Dissertação - Petrina Kimura.pdf: 6170367 bytes, checksum: efa4d4fa978c23e41b25ae1b997e5e53 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2016-02-05T13:08:16Z (GMT) No. of bitstreams: 1 Dissertação - Petrina Kimura.pdf: 6170367 bytes, checksum: efa4d4fa978c23e41b25ae1b997e5e53 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2016-02-05T13:08:47Z (GMT) No. of bitstreams: 1 Dissertação - Petrina Kimura.pdf: 6170367 bytes, checksum: efa4d4fa978c23e41b25ae1b997e5e53 (MD5) / Made available in DSpace on 2016-02-05T13:08:47Z (GMT). No. of bitstreams: 1 Dissertação - Petrina Kimura.pdf: 6170367 bytes, checksum: efa4d4fa978c23e41b25ae1b997e5e53 (MD5) Previous issue date: 2011-05-02 / FAPEAM - Fundação de Amparo à Pesquisa do Estado do Amazonas / Advances in multimedia technology led to a large increase in the number of images digital, in consequence, also grew? ä need for m? ethods and more ef fective cient and to store and retrieve this count? udo multimedia ?? edia. Most m? Proposed ethods alcan in literature? Çam high n ?? íveis of and insufficiency and effi c? CFIA (the top 70% accuracy) however most of them perform experiments using small images bases (less 10,000 images), previously classi fied in good ned categories, thus facilitating search task and consequently increasing ní ?? ble accuracy of the evaluated descriptors. On the other hand, when these m? Ethods are evaluated in large paste? Heterogeneous tions, Ni vel ?? accuracy? and relatively low. Thinking about this problem, this dissertation? Tion proposes the descriptor Location Color Pixel Classi cation (LCPC), an m? Ethod based on local analysis to search from large pictures basis. The proposed approach extracts character ?? color ísticas, classifi ing the pixels as border or inside using the same classi scheme is? tion of m? ethod Border / Interior Pixel Classication (BIC), by? are a simple partitioning scheme, but too much and cient and effi cient to incorporate spatial information about the contents? Udo visual image. Experiments were conducted using three bases of images, including one with more than 100,000 images collected from the Web. The results show that the proposed approach? And much higher when compared with other visual descriptors presented previously in literature, with gains in average accuracy of 51% till is 105% / Os avanços em tecnologia multimídia ocasionou um grande crescimento da quantidade de imagens digitais, em consequência disso, cresceu também a necessidade de métodos mais eficazes e eficientes para armazenar e recuperar esse conteúdo multimídia. A maioria dos métodos propostos na literatura alcançam altos níveis de eficiência e eficácia (a cima de 70% de precisão), entretanto grande parte delas executam experimentos usando bases de imagens pequenas (menos de 10.000 imagens), previamente classificadas em categorias bem de nidas, facilitando assim a tarefa de busca e, consequentemente aumentando os níveis de precisão dos descritores avaliados. Por outro lado, quando esses métodos são avaliados em grandes coleções heterogêneas, o nível de precisão e relativamente baixo. Pensando nesse problema, esta dissertação propõe o descritor Local Color Pixel Classication (LCPC), um método baseado em análise local para busca em grandes bases de imagens. A abordagem proposta extrai características de cor, classificando os pixels como borda ou interior, usando o mesmo esquema de classificação do método Border/Interior Pixel Classication (BIC), através de um esquema de particionamento simples, mas muito eficiente e eficaz para incorporar informações espaciais sobre o conteúdo visual da imagem. Experimentos foram conduzidos usando três bases de imagens, incluindo uma com mais de 100.000 imagens coletadas da Web. Os resultados obtidos mostram que a abordagem proposta e bastante superior quando comparado com outros descritores visuais previamente apresentados na literatura, com ganhos em precisão média de 51% até 105%