nÃo hà / A anÃlise de imagens à um importante campo da visÃo computacional cujo propÃsito à extrair informaÃÃes significativas de imagens. Entre os vÃrios atributos relevantes que podem ser analisados, a textura à um dos mais importantes por ser uma fonte rica de informaÃÃes. O objetivo desta tese à desenvolver novos mÃtodos de anÃlise de textura (nÃveis de cinza e coloridas) baseados em modelos gravitacionais simplicados e caminhos mais curtos em grafos, que propiciem vetores de caracterÃsticas mais discriminativos do que os mÃtodos jà estabelecidos pela literatura. A primeira abordagem converte uma imagem em um sistema gravitacional simplificado cujo processo de colapso à explorado por meio de descritores de dimensÃo fractal e lacunaridade. A segunda abordagem converte os pixels de uma imagem em vÃrtices de um grafo ponderado nÃo-orientado e explora os caminhos mais curtos entre pares de vÃrtices em diferentes escalas e orientaÃÃes. Adicionalmente, nesta tese à proposto o estudo dessas abordagens na anÃlise de imagens de folhas de plantas para facilitar o moroso processo de taxonomia vegetal (problema este especialmente relevante para os botÃnicos) e de imagens mÃdicas para identificaÃÃo/classificaÃÃo de patologias, auxiliando o diagnÃstico mÃdico. Os experimentos sÃo realizados nas bases de imagens: Brodatz, UIUC, VisTex, USPTex, Outex, texturas foliares, parÃnquima paliÃÃdico, pap-smear e de tecido mamÃrio. Os resultados mais significativos de classificaÃÃo sÃo obtidos das bases UIUC, USPTex e parÃnquima paliÃÃdico, com taxas de acertos de 55,00%, 96,57% e 91,56% (menores taxas) obtidas pelos mÃtodos propostos, respectivamente. Essas taxas de acertos sÃo quase sempre superiores aos resultados obtidos pelos mÃtodos usados para comparaÃÃo, demonstrando que os mÃtodos propostos abrem promissoras fontes de pesquisa para os estudos de anÃlise de texturas em nÃveis de cinza e coloridas. / Image analysis is an important field of computer vision whose role is to extract significant information from images. Among several relevant attributes, texture is one of the most important because it is a rich source of information. This thesis aims to develop novel texture analysis methods (for grayscale and color images) based on simplified gravitational systems and shortest paths in graphs which provide feature vectors more discriminative than the methods already established in literature. The first approach converts an image into a simplified gravitational system whose collapse process is explored by using fractal dimension and lacunarity descriptors. The second approach converts the pixels of an image into vertices of a non-oriented weighted graph and explores the shortest paths between pairs of vertices in different scales and orientations. Additionally, this thesis proposes to apply these approaches to plant leaf identification (a relevant problem for botanists), and medical image identification/classication, increasing the confidence of medical diagnosis. The experiments are performed on the following image databases: Brodatz,UIUC, VisTex, USPTex, Outex, leaf textures, palisade parenchyma, pap-smear and breast tissues. The most significant comparison results are obtained from UIUC, USPTex and palisade parenchyma, with success rates of 55,00%, 96,57% and 91,56% (lower success rates) obtained by the proposed methods, respectively. These success rates are almost always superior to the results obtained by the methods used for comparison. This demonstrates that the proposed methods open promising sources of research in grayscale and color texture analysis.