Redes complexas é uma área de estudo relativamente recente, que tem chamado a atenção da comunidade científica e vem sendo aplicada com êxito em diferentes áreas de atuação tais como redes de computadores, sociologia, medicina, física, matemática entre outras. Entretanto a literatura demonstra que poucos são os trabalhos que empregam redes complexas na extração de características de imagens para posterior analise ou classificação. Dada uma imagem é possível modela-la como uma rede, extrair características topológicas e, utilizando-se dessas medidas, construir o classificador desejado. Esse trabalho objetiva, portanto, investigar mais a fundo esse tipo de aplicação, analisando novas formas de modelar uma imagem como uma rede complexa e investigar diferentes características topológicas na caracterização de imagens. Como forma de analisar o potencial das técnicas desenvolvidas, selecionamos um grande desafio na área de visão computacional: identificação vegetal por meio de análise foliar. A identificação vegetal é uma importante tarefa em vários campos de pesquisa como biodiversidade, ecologia, botânica, farmacologia entre outros. / Complex networks is a relatively recent field of study, that has called the attention of the scientific community and has been successfully applied in different areas such as computer networking, sociology, medicine, physics, mathematics and others. However the literature shows that there are few works that employ complex networks in feature extraction of images for later analysis or classification. Given an image, it can be modeled as a network, extract topological features and, using these measures, build the classifier desired. This work aims, therefore, investigate this type of application, analyzing new forms of modeling an image as a complex network and investigate some topological features to characterize images. In order to analyze the potential of the techniques developed, we selected a major challenge in the field of computer vision: plant identification by leaf analysis. The plant identification is an important task in many research fields such as biodiversity, ecology, botany, pharmacology and others.

Redes complexas é uma área de estudo relativamente recente, que tem chamado a atenção da comunidade científica e vem sendo aplicada com êxito em diferentes áreas de atuação tais como redes de computadores, sociologia, medicina, física, matemática entre outras. Entretanto a literatura demonstra que poucos são os trabalhos que empregam redes complexas na extração de características de imagens para posterior analise ou classificação. Dada uma imagem é possível modela-la como uma rede, extrair características topológicas e, utilizando-se dessas medidas, construir o classificador desejado. Esse trabalho objetiva, portanto, investigar mais a fundo esse tipo de aplicação, analisando novas formas de modelar uma imagem como uma rede complexa e investigar diferentes características topológicas na caracterização de imagens. Como forma de analisar o potencial das técnicas desenvolvidas, selecionamos um grande desafio na área de visão computacional: identificação vegetal por meio de análise foliar. A identificação vegetal é uma importante tarefa em vários campos de pesquisa como biodiversidade, ecologia, botânica, farmacologia entre outros. / Complex networks is a relatively recent field of study, that has called the attention of the scientific community and has been successfully applied in different areas such as computer networking, sociology, medicine, physics, mathematics and others. However the literature shows that there are few works that employ complex networks in feature extraction of images for later analysis or classification. Given an image, it can be modeled as a network, extract topological features and, using these measures, build the classifier desired. This work aims, therefore, investigate this type of application, analyzing new forms of modeling an image as a complex network and investigate some topological features to characterize images. In order to analyze the potential of the techniques developed, we selected a major challenge in the field of computer vision: plant identification by leaf analysis. The plant identification is an important task in many research fields such as biodiversity, ecology, botany, pharmacology and others.

A biodiversidade das espécies existentes no riquíssimo reino vegetal, tornam os modelos tradicionais de taxonomia uma tarefa muito complexa e morosa, na qual o processo de classificação é tradicionalmente realizado manualmente. As dificuldades presentes nesse processo implicam na existência de poucas pesquisas de classificação vegetal utilizando métodos matemáticos e computacionais. Desta forma, visando contribuir com as técnicas de taxonomia já desenvolvidas, este estudo objetiva desenvolver e testar uma metodologia computacional de identificação de espécies vegetais por meio da análise da textura foliar. Motivado pelo projeto TreeVis, este trabalho realiza uma revisão dos métodos utilizados para análise de textura em imagens digitais (foco concentrado em extração de características e classificação), investigando a aplicabilidade de métodos tradicionais como matrizes de coocorrência, técnicas estado da arte como Gabor wavelets e também de novos e promissoras técnicas de análise de textura, como a dimensão fractal volumétrica. No contexto de classificação investiga-se métodos para reconhecimento de padrões lineares com base em análise de dados multivariados, não lineares com base na teoria das Redes Neurais Artificiais e métodos simples para combinação de diferentes classificadores (comitê de máquinas). Apesar da alta similaridade entre classes e similaridade intraclasses não adequada, os resultados alcançados mostraram-se excelentes. A melhor estratégia de classificação, utilizando comitê de máquinas com descritores de Gabor wavelets/cor e dimensão fractal volumétrica/cor, obteve uma probabilidade de acerto global de 96:32% nas 40 classes estudadas. Esse resultado demonstra como os métodos computacionais de análise de imagens, em especial análise de textura, podem contribuir facilitando e agilizando a tarefa de identificação de espécies vegetais / Biodiversity of species existing in the plant kingdom make the use of traditional models of taxonomy, a process of classification traditionally performed manually, a very complex and time-consuming task. Most of difficulties in that process result from the existence of few researches on plant classification using mathematical and computational methods. In this way, to contribute with the taxonomy techniques already developed, this study aims to develop and test a computational method for identifying plant species by leaf texture analysis. Motivated by the TreeVis project, this work is a comprehensive revision of texture analysis methods used in digital images (focus concentrated in features extraction and classification). This study investigates the applicability of traditional methods such as co-occurrence matrix, state of the art techniques as Gabor wavelets, and new and promising texture analysis methods, such as volumetric fractal dimension. In classification context is investigated methods of pattern recognition based on multivariate data analysis, artificial neural networks and committee machines. Although leaf classes present high similarity between classes and not appropriate similarity intraclasses, the results obtained are excellent. The best strategy for classification, using committee machines with descriptors of Gabor wavelets/color and volumetric fractal dimension/color, yielded a high probability of success, 96:32% in 40 classes studied. This result demonstrates how computational methods of images analysis, in particular texture analysis, can contribute and make more easier and faster the task of identifying plant species

A biodiversidade das espécies existentes no riquíssimo reino vegetal, tornam os modelos tradicionais de taxonomia uma tarefa muito complexa e morosa, na qual o processo de classificação é tradicionalmente realizado manualmente. As dificuldades presentes nesse processo implicam na existência de poucas pesquisas de classificação vegetal utilizando métodos matemáticos e computacionais. Desta forma, visando contribuir com as técnicas de taxonomia já desenvolvidas, este estudo objetiva desenvolver e testar uma metodologia computacional de identificação de espécies vegetais por meio da análise da textura foliar. Motivado pelo projeto TreeVis, este trabalho realiza uma revisão dos métodos utilizados para análise de textura em imagens digitais (foco concentrado em extração de características e classificação), investigando a aplicabilidade de métodos tradicionais como matrizes de coocorrência, técnicas estado da arte como Gabor wavelets e também de novos e promissoras técnicas de análise de textura, como a dimensão fractal volumétrica. No contexto de classificação investiga-se métodos para reconhecimento de padrões lineares com base em análise de dados multivariados, não lineares com base na teoria das Redes Neurais Artificiais e métodos simples para combinação de diferentes classificadores (comitê de máquinas). Apesar da alta similaridade entre classes e similaridade intraclasses não adequada, os resultados alcançados mostraram-se excelentes. A melhor estratégia de classificação, utilizando comitê de máquinas com descritores de Gabor wavelets/cor e dimensão fractal volumétrica/cor, obteve uma probabilidade de acerto global de 96:32% nas 40 classes estudadas. Esse resultado demonstra como os métodos computacionais de análise de imagens, em especial análise de textura, podem contribuir facilitando e agilizando a tarefa de identificação de espécies vegetais / Biodiversity of species existing in the plant kingdom make the use of traditional models of taxonomy, a process of classification traditionally performed manually, a very complex and time-consuming task. Most of difficulties in that process result from the existence of few researches on plant classification using mathematical and computational methods. In this way, to contribute with the taxonomy techniques already developed, this study aims to develop and test a computational method for identifying plant species by leaf texture analysis. Motivated by the TreeVis project, this work is a comprehensive revision of texture analysis methods used in digital images (focus concentrated in features extraction and classification). This study investigates the applicability of traditional methods such as co-occurrence matrix, state of the art techniques as Gabor wavelets, and new and promising texture analysis methods, such as volumetric fractal dimension. In classification context is investigated methods of pattern recognition based on multivariate data analysis, artificial neural networks and committee machines. Although leaf classes present high similarity between classes and not appropriate similarity intraclasses, the results obtained are excellent. The best strategy for classification, using committee machines with descriptors of Gabor wavelets/color and volumetric fractal dimension/color, yielded a high probability of success, 96:32% in 40 classes studied. This result demonstrates how computational methods of images analysis, in particular texture analysis, can contribute and make more easier and faster the task of identifying plant species